tensorflow模型的保存与恢复（基于tensorflow 1.7.0）

with tf.Session() as sess:
    sess.run(init)
    for epoch in range(3):
        for batch in range(n_batch):
            batch_xs, batch_ys = mnist.train.next_batch(batch_size)
            sess.run(train_step, feed_dict={x:batch_xs, y:batch_ys})
        acc = sess.run(accuracy, feed_dict={x:mnist.test.images, y:mnist.test.labels})
        print("Iter " + str(epoch) + ", Testing Accuracy " + str(acc))

    saver =tf.train.Saver()
    saver.save(sess, "C:\\Users\\Albert\\Desktop\\tensorflow\\albertModel")#路径可以自己定

如上代码所示，在训练完毕后，实例化Saver将Session会话进行保存到指定目录下的文件。
该路径会被添加至checkpoint文件中，当需要恢复（加载）模型时，只需如下进行：

with tf.Session() as sess:
    saver.restore(sess, "C:\\Users\\Albert\\Desktop\\tensorflow\\albertModel")
    W = sess.run(W1)
    for i in range(100):
        print ("weights", W[i])
    print ("b", sess.run(b1))

新建一个会话，并将之前保存的会话赋予它即可