tensorflow使用——（七）模型保存与加载

一、模型保存

 1、tf.train.saver

import tensorflow as tf 
... 
＃在这里构建网络
... 
＃开始保存模型
与tf.Session（）作为sess：
	sess.run（tf.global_variables_initializer（））＃一定要先初始化整个流
	＃在这里训练网络
	... 
	＃保存参数
	saver = tf.train.Saver（）
		saver.save（sess，PATH）＃PATH就是要保存的路径	

2、tf.saved_model.builder 

将tensorflow import 为tf
...
＃构建网络
...
用tf.Session（）作为sess：
	sess.run（tf.global_variables_initializer（））＃一定要先初始化整个流
	＃在这里训练网络
	...
	＃保存参数
	builder = tf.saved_model.builder.SaveModelBuilder（PATH）#PATH是保存路径
	builder.add_meta_graph_and_variables（sess，[tf.saved_model.tag_constants.TRAINING]）＃保存整张网络及其变量，这种方法是可以保存多张网络的，在此不作介绍，可自行了解
	builder.save（）＃完成保存

二、模型调用

想要完整调用并使用一个训练好的模型，必须分为加载网络和加载关键节点两个部分。使用tf.saved_model.builder则可以完整的保存和调用模型的网络与节点

1、加载网络

将tensorflow import 为tf 
用tf.Session（graph = tf.Graph（））作为sess：
	tf.saved_model.loader.load（sess，[tf.sa