如何从tensorflow神经网络中提取权重和偏差，以及如何在python中自己计算预测？

import tensorflow as tf
import numpy as np

# 定义输入和输出的维度
input_dim = 10
output_dim = 1

# 定义输入和输出的占位符
x = tf.placeholder(tf.float32, shape=[None, input_dim])
y = tf.placeholder(tf.float32, shape=[None, output_dim])

# 定义神经网络的权重和偏差
weights = tf.Variable(tf.random_normal([input_dim, output_dim]))
biases = tf.Variable(tf.zeros([output_dim]))

# 定义神经网络的输出
output = tf.matmul(x, weights) + biases

with tf.Session() as sess:
    # 加载已经训练好的模型
    saver = tf.train.Saver()
    saver.restore(sess, "model.ckpt")  # 模型文件的路径

    # 提取权重和偏差
    extracted_weights = sess.run(weights)
    extracted_biases = sess.run(biases)

# 假设有一个输入样本 input_sample
input_sample = np.random.rand(1, input_dim)  # 随机生成一个输入样本

# 使用提取的权重和偏差进行预测
prediction = np.matmul(input_sample, extracted_weights) + extracted_biases