1、首先 

saver = tf.train.Saver(max_to_keep=1) 新建一个saver，max_to_keep是说只保留最后一轮的训练结果 2、使用save方法保存模型

saver.save(sess,"./model_test/"+"CNN_model_test.ckpt") 然后会在./model_test文件夹下生成这么四个文件：

 

meta文件保存的是图结构，meta文件是pb（protocol buffer）格式文件，包含变量、op、集合等。这个保存了计算图的结构

ckpt文件是二进制文件，保存了所有的weights、biases、gradients等变量。在tensorflow 0.11之前，保存在.ckpt文件中。0.11后，通过两个文件保存,如：

MyModel.data-00000-of-00001

MyModel.index

checkpoint文件，该文件是个文本文件，里面记录了保存的最新的checkpoint文件以及其它checkpoint文件列表。在inference时，可以通过修改这个文件，指定使用哪个model

 

加载模型：

加载图：

new_saver = tf.train.import_meta_graph("./model/CNN_model.ckpt.meta") 加载参数：

new_saver.restore(sess,tf.train.latest_checkpoint('./model')) 接下来就可以使用了 如果是在同一个文件中：

new_saver = tf.train.Saver() new_saver.restore(sess,"./model/"+"CNN_model.ckpt")这样就够了

 

参考链接：

https://blog.csdn.net/huachao1001/article/details/78501928