学习TensorFlow，保存学习到的网络结构参数并调用

在深度学习中，不管使用那种学习框架，我们会遇到一个很重要的问题，那就是在训练完之后，如何存储学习到的深度网络的参数？在测试时，如何调用这些网络参数？针对这两个问题，本篇博文主要探索TensorFlow如何解决他们？本篇博文分为三个部分，第一是讲解tensorflow相关的函数，第二是代码例程，第三是运行结果。

一 tensorflow相关的函数

我们说的这两个功能主要由一个类来完成，class tf.train.Saver

saver = tf.train.Saver()
save_path = saver.save(sess, model_path)
load_path = saver.restore(sess, model_path)

saver = tf.train.Saver() 由类创建对象saver，用于保存和调用学习到的网络参数，参数保存在checkpoints里

save_path = saver.save(sess, model_path) 保存学习到的网络参数到model_path路径中

load_path = saver.restore(sess, model_path) 调用model_path路径中的保存的网络参数到graph中

二 代码例程

'''
Save and Restore a model using TensorFlow.
This example is using the MNIST database of handwritten di