tensorflow保存加载模型

使用tensorflow版本为1.12

在训练过程中保存模型

def save(sess, save_path):
  """save_path is a file path"""
  self.saver.save(sess, save_path=save_path)

预测或updating模型时，加载模型

def restore(model_save_path):
    if os.path.isdir(model_save_path):
		# 根据目录名称来获取最新的模型的文件路径
		model_file_path = tf.train.latest_checkpoint(checkpoint_dir=dir_name)
	else:
		model_file_path = model_save_path
	saver = tf.train.saver()
	saver.restore(sess, save_path=mdoel_file_path)

加载最新训练的模型的方法具体的流程：
checkpoint_dir中有一个checkpoint文件，里面记录了所有保存的模型的路径和model_checkpoint_path变量。其中model_checkpoint_path记录了最新的一个模型的路径，调用tf.train.latest_checkpoint()函数，得到的就是这个路径。

总结

• tensorflow 使用tf.train.saver()的save()和restore()函数来保存和加载模型
• save和restore函数需要两个参数一个是session，另一个模型的文件路径（注意不目录）

接下来的问题是：

• saver在什么时候初始化？
  当保存模型时，saver在初始化Session的时候初始化，可以用作成员变量；
  而在加载模型的时候需要单独的初始化saver，因为如果是train方法内实体化的saver在restore方法无法使用。
• session在什么时候初始化？
  在Model()实体化后，再实例化Session，再使用session来init所有的变量，否则会报变量没有实体化的错误。