tf.train.Saver()保存和恢复模型，及生成的文件

saver = tf.train.Saver()
with tf.Session() as sess：
saver.save(sess, os.path.join('DIR', 'model_ckpt'), global_step=step)

运行一次saver.sess( )后，会生成4个文件，如下 

 在恢复时，使用saver.restore()，但是saver.restore只会恢复权重值，因此在使用之前必须要重新建立计算图，之后才能导入权重值。而且在重建时，变量的的名称要与载入变量的名称相对应。

 

而使用tf.train.import_meta_graph( ),可以建立计算图。不需要再人工手动建立。

with tf.Session() as sess:
    saver = tf.train.import_meta_graph()  #导入已经建立的计算图
    saver.restore(sess, os.path.join(DIR, "model_ckpy-1000")) # 恢复权重

但是这种方法导入计算图后我们不知道里面都有什么变量，因此也无法访问。

一种解决方法是，使用collection和saver.export_meta_graph()来显式的保存导出计算图 

比方说，我们要在重建的计算图下计算三Accuracy的值，而accu