來(lái)源：tensorflow學(xué)習(xí)筆記（五）：變量保存與導(dǎo)入
如何使用tensorflow內(nèi)置的參數(shù)導(dǎo)出和導(dǎo)入方法：基本用法
如果你還在糾結(jié)如何保存tensorflow訓(xùn)練好的模型參數(shù)，用這個(gè)方法就對(duì)了
The Saver class adds ops to save and restore variables to and from checkpoints. It also provides convenience methods to run these ops.
來(lái)自官網(wǎng)的介紹。

import tensorflow as tf
"""
變量聲明，運(yùn)算聲明 例：w = tf.get_variable(name="vari_name", shape=[], dtype=tf.float32)
初始化op聲明
"""
#創(chuàng)建saver對(duì)象，它添加了一些op用來(lái)save和restore模型參數(shù)
saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init_op)
    #訓(xùn)練模型。。。
    #使用saver提供的簡(jiǎn)便方法去調(diào)用 save op
    saver.save(sess, "save_path/file_name.ckpt") #file_name.ckpt如果不存在的話，會(huì)自動(dòng)創(chuàng)建
#后綴可加可不加

現(xiàn)在，訓(xùn)練好的模型參數(shù)已經(jīng)存儲(chǔ)好了，我們來(lái)看一下怎么調(diào)用訓(xùn)練好的參數(shù) 變量保存的時(shí)候，保存的是 變量名：value，鍵值對(duì)。restore的時(shí)候，也是根據(jù)key-value
來(lái)進(jìn)行的(詳見)

import tensorflow as tf
"""
變量聲明，運(yùn)算聲明
初始化op聲明
"""
#創(chuàng)建saver 對(duì)象
saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init_op)#在這里，可以執(zhí)行這個(gè)語(yǔ)句，也可以不執(zhí)行，即使執(zhí)行了，初始化的值也會(huì)被restore的值給override
    saver.restore(sess, "save_path/file_name.ckpt-???") 
    #會(huì)將已經(jīng)保存的變量值resotre到變量中,自己看好要restore哪步的 

如何restore變量的子集,然后使用初始化op初始化其他變量

#想要實(shí)現(xiàn)這個(gè)功能的話,必須從Saver的構(gòu)造函數(shù)下手
saver=tf.train.Saver([sub_set])
init = tf.initialize_all_variables()
with tf.Session() as sess:
  #這樣你就可以使用restore的變量替換掉初始化的變量的值,而其它初始化的值不受影響
  sess.run(init)
  if restor_from_checkpoint:
      saver.restore(sess,"file.ckpt")
  # train
  saver.save(sess,"file.ckpt")

參考資料 https://www.tensorflow.org/versions/r0.12/how_tos/variables/index.html#saving-and-restoring https://www.tensorflow.org/versions/r0.12/api_docs/python/state_ops.html#Saver