1、什么是 tensorflow 模型
当你训练完一个神经网络，你可能会想要保存这个网络，以便将来拿来使用或直接用于其他数据的 deploy，
tensorflow 模型包括：已训练并优化的权重参数，网络结构和 graph。
tensorflow 模型文件包括两大块：
- meta graph ：序列化缓冲文件，保存完整的网络结构，graph ，即 all variables, operations, collections 等，扩展名是 .meta
- checkpoint file：二进制文件，包括 weights, biases, gradients 和 all the other variables，扩展名为 .ckpt 。但是从0.11版本开始，就不是单独的 .ckpt 文件了，而是有两个文件：
>>mymodel.data-00000-of-00001 #包括训练变量，可从这个文件开始继续训练
>>mymodel.index 此外，checkpoint 保存最近一次的模型。所以 tensorflow 共包含以下四个文件
2、保存 tensorflow 模型
有时候不知道哪个模型是最优的，故需要保存多个模型。默认情况下保存最近的5个模型。
tensorflow 中的变量只在会话 session 中存在，所以需要在 saver 对象上调用 save 方法，将模型保存在会话中。
#模型的保存
import tensorflow as tf
import os
w1 = tf.Variable(tf.random_normal(shape=[2]), name='w1')
w2 = tf.Variable(tf.random_normal(shape=[5]), name='w2')
saver = tf.train.Saver() #可指定需要存储的tensor，不指定则全部保存
with tf.Session() as sess:
#sess = tf.Session()
sess.run(tf.global_variables_initializer())
#创建保存模型的文件夹
if not os.path.exists('my_model'):
os.mkdir('./my_model')
saver.save(sess, './my_model/my_test_model')
#可通过设置saver.save()的参数指定保存哪一步的模型
saver.save(sess, './my_model/my_test_model', global_step=1000) #保存1000步的模型
# This will save following files in Tensorflow v >= 0.11
# my_test_model.data-00000-of-00001
# my_test_model.index
# my_test_model.meta
# checkpoint
1000步的模型，会在 my_test_model 后 append ‘-1000’
.meta 保存的是网络结构，训练过程中不改变网络结果，保存一次即可，可使用如下语句：
saver.save(sess, './my_model/my_test_model', global_step=step, write_meta_graph=False)如果想要每2小时保存一次模型，且保存最近的4个模型，可使用如下语句：
#saves a model every 2 hours and maximum 4 latest models are saved.
saver = tf.train.Saver(max_to_keep=4, keep_checkpoint_every_n_hours=2)如果不保存全部的 tensor ，可通过指定 variables/collections 来保存，使用如下语句：
#将需要保存的变量以列表形式添加在saver中？自己的理解~确实是这个语句
saver = tf.train.Saver([w1, w2])3、加载预训练模型
如果需要用别人训练好的模型做微调，需要以下两步：
- 使用如下语句加载网络结构：
saver = tf.train.import_meta_graph('./my_model/my_test_model.meta')- 使用如下语句加载参数：
import tensorflow as tf
with tf.Session() as sess:
new_saver = tf.train.import_meta_graph('./my_model/my_test_model.meta') #加载网络结构
new_saver.restore(sess, tf.train.latest_checkpoint('./my_model')) #加载最近一次保存的ckpt
#初始化参数
sess.run(tf.global_variables_initializer())
print(sess.run('w1:0'))
#返回：INFO:tensorflow:Restoring parameters from ./my_model\my_test_model
[ 0.35064858 2.87996149]参考：https://cv-tricks.com/tensorflow-tutorial/save-restore-tensorflow-models-quick-complete-tutorial/