TensorFlow 模型保存，加载

1.问题分析

在使用中遇到模型保存和加载问题场景如下：
1.在我们训练模型的过程中，经过若干个step，或者满足某些条件（比如当前模型优于最优模型时）时，我们会在训练过程中对模型进行保存，方便之后在此基础上进行继续训练，以及模型的持久化保存
2.当我们和别人一起合作时，如果别人已经训练好了一个较优的模型，我们需要在别人的模型基础上进行进行训练，涉及到模型加载问题
3.当别人的模型和我们的模型结构，命名完全一致时，那和场景1是完全一致的，但是很多时候我们自己的模型和别人的checkpoint命名并不完全一致，这时候需要就命名进行额外处理
4.当我们拿到别人的模型时，很多时候不是仅仅使用别checkpoint的模型结构，有时候别人的模型只是自己模型的一部分，我们只需要将自己模型中对应部分使用checkpoint进行初始化
5.当我们拿到别人模型时，只想在该基础上进行微调，控制某些学好的参数不变，只训练其中一部分参数。
上述5种场景可能是在使用TensorFlow时涉及到模型保存和模型重新加载
当别人训练好一个最优模型，需要在改模型的基础上进行进一步的提升，该模型以checkpoint的形式存在，如果该模型的checkpoint和你自己使用的模型无论从模型结构或者Variable命名都完全一致，那么很简单，只需要加载checkpoint的模型结构文件，同时加载模型参数即可，或者自己手动构建一个完全一致的模型结构，然后加载checkpoint中的模型参数即可。