如何使用我自己训练的模型与tensnetflow中实现的facenet？

我使用shell命令训练模型：

python src/facenet_train.py \
           --batch_size 15 \
           --gpu_memory_fraction 0.25 \
           --models_base_dir trained_model_2017_05_15_10_24 \
           --pretrained_model trained_model_2017_05_15_10_24/20170515-121856/model-20170515-121856.ckpt-182784 \
           --model_def models.nn2 \
           --logs_base_dir logs \
           --data_dir /data/user_set/training/2017_05_15_10_24 \
           --lfw_pairs /data/user_set/lfw_pairs.txt \
           --image_size 224 \
           --lfw_dir /data/user_set/lfw \
           --optimizer ADAM \
           --max_nrof_epochs 1000 \
           --learning_rate 0.00001

但是当我使用我自己训练的模型时，我得到这样的错误信息：

2017-05-17 14：23：05.448285：W tensorflow / core / platform / cpu_feature_guard.cc：45] TensorFlow库未编译为使用SSE4.1指令，但这些指令可在您的计算机上使用并且可以加速CPU计算 . 2017-05-17 14：23：05.448318：W tensorflow / core / platform / cpu_feature_guard.cc：45] TensorFlow库未编译为使用SSE4.2指令，但这些指令可在您的计算机上使用，可以加速CPU计算 . 2017-05-17 14：23：05.448324：W tensorflow / core / platform / cpu_feature_guard.cc：45] TensorFlow库未编译为使用AVX指令，但这些指令可在您的计算机上使用，并可加快CPU计算速度 . 2017-05-17 14：23：05.448329：W tensorflow / core / platform / cpu_feature_guard.cc：45] TensorFlow库未编译为使用AVX2指令，但这些指令可在您的计算机上使用，并可加速CPU计算 . 2017-05-17 14：23：05.448334：W tensorflow / core / platform / cpu_feature_guard.cc：45] TensorFlow库未编译为使用FMA指令，但这些指令可在您的计算机上使用，并可加快CPU计算速度 . 2017-05-17 14：23：05.674872：I tensorflow / core / common_runtime / gpu / gpu_device.cc：887]找到具有属性的设备0：名称：Quadro M4000 major：5 minor：2 memoryClockRate（GHz）0.7725 pciBusID 0000： 03：00.0总内存：7.93GiB可用内存：2.89GiB 2017-05-17 14：23：05.674917：I tensorflow / core / common_runtime / gpu / gpu_device.cc：908] DMA：0 2017-05-17 14:23 ：05.674935：I tensorflow / core / common_runtime / gpu / gpu_device.cc：918] 0：Y 2017-05-17 14：23：05.674957：I tensorflow / core / common_runtime / gpu / gpu_device.cc：977]创建TensorFlow设备（/ gpu：0） - >（设备：0，名称：Quadro M4000，pci总线ID：0000：03：00.0）回溯（最近一次调用最后一次）：文件“forward.py”，第21行，在images_placeholder = tf .get_default_graph（） . get_tensor_by_name（“input：0”）文件“/home/chen/.pyenv/versions/anaconda3-4.2.0/lib/python3.5/site-packages/tensorflow/python/framework/ops.py “，第2563行，在get_tensor_by_name中返回self.as_graph_element（name，allow_tensor = True，allow_operation = False）文件”/home/chen/.pyenv/vers离子/ anaconda3-4.2.0 / lib / python3.5 / site-packages / tensorflow / python / framework / ops.py“，第2414行，在as_graph_element中返回self._as_graph_element_locked（obj，allow_tensor，allow_operation）文件”/ home / chen / .pyenv / versions / anaconda3-4.2.0 / lib / python3.5 / site-packages / tensorflow / python / framework / ops.py“，第2456行，在_as_graph_element_locked”图中 . “ ％（repr（name），repr（op_name）））KeyError：“名称'input：0'表示不存在的Tensor . 图中不存在'input'操作 . ”

获取功能代码：

import tensorflow as tf
import facenet
w_MODEL_PATH_='/home/chen/demo_dir/facenet_tensorflow_train/trained_model_2017_05_15_10_24/20170515-121856'

with tf.Graph().as_default():
    with tf.Session() as sess:
        # load the model
        meta_file, ckpt_file = facenet.get_model_filenames(w_MODEL_PATH_)
        facenet.load_model(w_MODEL_PATH_, meta_file, ckpt_file)
        # print("model_path:", w_MODEL_PATH_,"meta_file:", meta_file,"ckpt_file:", ckpt_file)

        # Get input and output tensors
        # ops = tf.get_default_graph().get_operations()
        #
        # print(ops)

        images_placeholder = tf.get_default_graph().get_tensor_by_name("input:0")
        embeddings = tf.get_default_graph().get_tensor_by_name("embeddings:0")
        phase_train_placeholder = tf.get_default_graph().get_tensor_by_name("phase_train:0")

        image_size = images_placeholder.get_shape()[1]
        embedding_size = embeddings.get_shape()[1]

        # print(image_size)

        paths = ['one.png', 'two.png']

        # Run forward pass to calculate embeddings
        images = facenet.load_data(paths, do_random_crop=False, do_random_flip=False, image_size=image_size,
                                   do_prewhiten=True)
        # print("images:", idx, images)
        feed_dict = {images_placeholder: images, phase_train_placeholder: False}
        # print(idx,"embeddings:", embeddings)
        emb_array = sess.run(embeddings, feed_dict=feed_dict)
        # print(idx, "emb_array:", emb_array)
        print(emb_array)

我不知道如何使用我自己训练的模型，请帮忙 .