许多TensorFlow初学者想把自己训练的模型保存，并且还原继续训练或者用作测试。但是TensorFlow官网的介绍太不实用，网上的资料又不确定哪个是正确可行的。
今天David 9 就来带大家手把手入门亲测可用的TensorFlow保存还原模型的正确方式，使用的是网上最多的Saver的save和restore方法， 并且把关键点为大家指出。
今天介绍最为可行直接的方式来自这篇Stackoverflow：https://stackoverflow.com/questions/33759623/tensorflow-how-to-save-restore-a-model 亲测可用：
保存模型：
import tensorflow as tf
#Prepare to feed input, i.e. feed_dict and placeholders
w1 = tf.placeholder("float", name="w1")
w2 = tf.placeholder("float", name="w2")
b1= tf.Variable(2.0,name="bias")
feed_dict ={w1:4,w2:8}
#Define a test operation that we will restore
w3 = tf.add(w1,w2)
w4 = tf.multiply(w3,b1,name="op_to_restore")
sess = tf.Session()
sess.run(tf.global_variables_initializer())
#Create a saver object which will save all the variables
saver = tf.train.Saver()
#Run the operation by feeding input
print sess.run(w4,feed_dict)
#Prints 24 which is sum of (w1+w2)*b1
#Now, save the graph
saver.save(sess, 'my_test_model',global_step=1000)
必须强调的是：这里4,5,6,11行中的name=’w1′, name=’w2′, name=’bias’, name=’op_to_restore’ 千万不能省略，这是恢复还原模型的关键。 继续阅读TensorFlow手把手入门之 — TensorFlow保存还原模型的正确方式，Saver的save和restore方法，亲测可用