最近，我尝试了一个用cntk实现的模型。但我找不到使用训练好的模型来预测新图片的方法。训练好的模型保存为一个检查点：
trainer.save_checkpoint(os.path.join(output_model_folder, "model_{}".format(best_epoch)))然后我得到了类似这样的文件：
因此，我尝试加载这个模型检查点，如下所示：
model = ct.load_model('../data/models/VGG13_majority/model_94')上面的代码可以成功运行。然后我尝试了
model.eval(image_data)但我得到了一个错误：
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 更新 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
这次我尝试了下面的方法：
model = ct.load_model('../data/models/VGG13_majority/model_94')model.eval({model.arguments[0]: [final_image]})然后出现了新的错误：
回答：
对于任何C.Function.eval()，你需要传递一个字典作为参数。
所以，它会像这样，假设你的模型只有一个输入变量：
model = C.load_model()model.eval({model.arguments[0]: image_data})无论如何，我注意到你从检查点保存了模型。这样做，你实际上也保存了损失函数的“ground_truth”输入变量。
我建议下次你直接保存模型。通常，save_checkpoint生成的文件是用来在restore_from_checkpoint()中使用的
import cntk as Cfrom cntk.layers import Densemodel = Dense(10)(C.input_variable(1))loss = C.binary_cross_entropy(model, C.input_variable(10))trainer = C.Trainer(model, (loss,), [C.adam(model.parameters, 0.9, 0.9)])trainer.save_checkpoint("hello")model.save() # 使用这个来直接保存模型# 要从检查点恢复模型，使用下面的代码trainer.restore_from_checkpoint("hello")original_model = trainer.modelprint(trainer)for i in trainer.model.arguments: print(i)