我一直在慢慢地学习TensorFlow教程，我猜我还得再看一遍。我没有机器学习的背景，但正在慢慢地提升自己。

无论如何，在阅读了RNN教程并运行了训练代码后，我感到困惑。

如何实际应用训练好的模型，以便它可以用来进行语言预测呢？

我知道这是一个非常初级且简单的问题，但我相信这对其他人会有帮助，因为我看到这个问题被问过，但没有得到令人满意的回答。

回答：

一般来说，当你训练一个模型时，你首先进行前向传播，然后进行反向传播。前向传播基于你的输入数据做出预测，反向传播根据预测的正确性调整你的模型。

所以，当你想要应用你的模型时，你只需用新的数据作为输入进行前向传播即可。

在你的特定例子中，使用这个代码，你可以通过查看他们如何运行测试集，从第286行开始，了解这是如何实现的。

# 他们用is_training=False实例化模型test = PTBModel(is_training=False, config=eval_config)# 然后他们可以进行前向传播test_perplexity = run_epoch(session, mtest, test_data, tf.no_op())print("测试困惑度: %.3f" % test_perplexity)

如果你想要实际的预测而不是困惑度，它是run_epoch函数中的状态：

cost, state, _ = session.run([m.cost, m.final_state, eval_op],                             {m.input_data: x,                              m.targets: y,                              m.initial_state: state})