TensorFlow模型op的保存和加载（含演示代码）

上一篇博文《TensorFlow模型参数的保存和加载》介绍了如何保存和加载TensorFlow模型训练参数，保存对象主要是Tensor/Variables。这一节我们介绍如何保存和复用op。

和Tensor一样，保存op需要在训练时为op指定名字，如下所示：

softmax = tf.nn.softmax(tf.matmul(x, W) + b,name="op_softmax")

在识别阶段，调用get_operation_by_name()函数，以op名字作为参数，如下所示：

op_softmax =sess.graph.get_operation_by_name("op_softmax").outputs[0]

这里需要注意的是，在最后面要加上“.outputs[0]”，否则会出现异常。

如果要直接运行sess.run(op_softmax)，需要指定feed_dict。以官方mnist训练案例为例，调用格式为sess.run(op_softmax,feed_dict={x: mnist.test.images})。

在加载复用阶段，W和b的值已经保存在checkpoint数据中，故不需要再次声明W和b。但是，需要通过get_tensor_by_name()获取到x的声明，如下所示：

x = sess.graph.get_tensor_by_name("x:0")

上述op保存和加载操作可总结为：

1. 在训练代码中，为op指定名字；

2. 在复用阶段，通过get_operation_by_name().outputs[0]获取op；

3. 通过get_tensor_by_name()获取到feed_dict输入tensor（即x）