模型保存与使用

tf里面提供模型保存的是tf.train.Saver()模块。模型保存，先要创建一个Saver对象：如

saver=tf.train.Saver()

max_to_keep 参数，这个是用来设置保存模型的个数，默认为5，即 max_to_keep=5，保存最近的5个模型。

如果你只想保存最后一代的模型，则只需要将max_to_keep设置为1即可。

Saver类提供了向checkpoints文件保存和从checkpoints文件中恢复变量的相关方法。Checkpoints文件是一个二进制文件，它把变量名映射到对应的tensor值 。

创建完saver对象后，就可以保存训练好的模型了，如：

saver.save(sess,'ckpt/mnist.ckpt',global_step=step)

第一个参数sess。第二个参数设定保存的路径和名字，第三个参数将训练的次数作为后缀加入到模型名字中。

isTrain：用来区分训练阶段和测试阶段，True表示训练，False表示测试
train_steps：表示训练的次数，例子中使用100
checkpoint_steps：表示训练多少次保存一下checkpoints，例子中使用50

checkpoint_dir：表示checkpoints文件的保存路径，例子中使用当前路径

使用Saver.save()方法保存模型：

1. sess：表示当前会话，当前会话记录了当前的变量值
2. checkpoint_dir + 'model.ckpt'：表示存储的文件名
   
3. global_step：表示当前是第几步

程序目录下生成四个文件，分别是.meta(存储网络结构)、.data和.index(存储训练好的参数)、checkpoint(记录最新的模型)。