训练模型的还原
之前把训练模型存盘，实际上保存的是模型里所有变量当前运行的值。这相当于是训练模型的快照，把保存的时间点的所有变量都变成存盘文件保存起来。如果要还原这个模型，我们需要从存盘的模型中把所有变量的值读取出来，赋给当前准备被还原的模型。
定义相同结构的模型
首先，我们还是要定义一个和以前存盘模型相同结构的模型，只有它们的结构相同，这些变量才能吻合，才能把读取出来的变量的值赋给等待着被覆盖的变量的值。
这里还是采用单层的256个神经元的神经网络的结构模型，构建相同的输入层、隐藏层、输出层。。
构建输入层
构建隐藏层
构建输出层
设置模型文件的存放目录
设置还原模型的文件所存放的位置，这个目录跟存盘文件的目录相同。因为这个存盘文件缺省就是最多保留最近的五份模型文件，所以恢复时，会找最新的那一份文件。
读取还原模型
这里同样需要创建一个saver，然后通过红框中的语句，得到存盘文件里所有模型的最新状态。如果它找到了这个存盘文件，就可以从目录中读取参数，恢复到当前的会话中，而原本会话中的值就被覆盖掉了。之后输出模型已从当前目录下恢复的提示。
恢复好以后，就可以利用这个模型。可以直接用来预测准确率，也可以断点续训，在当前存盘文件数据的基础上继续做优化训练。