tensorflow持久化

以防忘记，我做个笔记

import tensorflow as tf
v1 = tf.Variable(tf.constant(1.0,shape = [1]))
saver = tf.train.Saver()

with tf.Session() as sess:
	sess.run(tf.global_variables_initializer())
	saver.save(sess,'/path/model.ckpt')

• tensorflow 模型一般会存在后缀为.ckpt的文件中。虽然以上程序只指定了一个文件路径，但是在这个文件目录下会出现三个文件。这是因为Tensorflow会将计算图的结构和图上参数取值分开保存。
• 上面这段代码会生成三个文件：model.ckpt.meta 保存了Tensorflow计算图的结构；model.ckpt保存了程序中每一个变量的取值；checkpoint文件保存了一个目录下所有的模型文件列表。

#加载
with tf.Session() as sess:
	saver = tf.train.Saver({'my_v1':v1})     #指定变量v1加载到my_v1中
	saver.restore(sess,'/path/model.ckpt')   #sess会话就可以执行之前保存的计算图了