class tf.train.Saver

class tf.train.Saver
功能：通过保存和重新加载模型（模型参数：计算图的结构和图上参数取值）实现模型持久化。
说明： tf.train.Saver目前版本为V2.0，相比V1.0的主要区别在于：
V2.0版本保存后文件夹中会比V1.0版本多一个model.ckpt.data-00000-of-00001文件.
例子：

import tensorflow as tf
import numpy as np

#step1:保存模型
W=tf.Variable([[1,2,3],[4,5,6]],dtype=tf.float32,name='weights')
b=tf.Variable([[1,2,3]],dtype=tf.float32,name='biases')

init=tf.global_variables_initializer()

saver=tf.train.Saver()

with tf.Session() as sess:
    sess.run(init)
    save_path=saver.save(sess,"savepath(例如："C:\\Desktop\\test.ckpt\\")")
    print("Save to path:",save_path)

#step2:重新加载模型
#注：需要定义同样的数据类型和shape！
W=tf.Variable(np.arange(6).reshape((2,3)),dtype=tf.float32,name="weights")
b=tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32,name="biases")

saver=tf.train.Saver()

with tf.Session() as sess:
    saver.restore(sess,"C:\\Desktop\\test.ckpt\\")
    print("weights:",sess.run(W))
    print("biases:",sess.run(b))

结果：
weights: [[ 1. 2. 3.]
[ 4. 5. 6.]]
biases: [[ 1. 2. 3.]]

注：首先运行step1将模型数据存储到指定路径上，其次再对路径上的数据进行调用加载。