儲存：使用saver.save()方法儲存

載入：使用saver.restore()方法載入

下面是個完整例子：

儲存：

import tensorflow as tf

W = tf.Variable([[1, 1, 1], [2, 2, 2]], dtype=tf.float32, name='w')
b = tf.Variable([[0, 1, 2]], dtype=tf.float32, name='b')

saver = tf.train.Saver()
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    save_path = saver.save(sess, r"D:\test\wb")  # 將W、b儲存到指定位置
 

載入： 

import tensorflow as tf

W = tf.Variable(tf.truncated_normal(shape=(2, 3)), dtype=tf.float32, name='w')
b = tf.Variable(tf.truncated_normal(shape=(1, 3)), dtype=tf.float32, name='b')

saver = tf.train.Saver()
with tf.Session() as sess:
    saver.restore(sess, r"D:\test\wb")  # 從指定位置載入模型
    print(sess.run(W))
    print(sess.run(b))
"""
輸出：
[[1. 1. 1.]
 [2. 2. 2.]]

[[0. 1. 2.]]
"""
 

就算W和b定義了不同於模型的值，但是仍會輸出載入模型的值，如：

import tensorflow as tf

W = tf.Variable([[0,0,0],[0,0,0]],dtype = tf.float32,name='w')
b = tf.Variable([[0,0,0]],dtype = tf.float32,name='b')

saver = tf.train.Saver()
with tf.Session() as sess:
    saver.restore(sess, r"D:\test\wb")
    print(sess.run(W))
    print(sess.run(b))
"""
輸出：
[[1. 1. 1.]
 [2. 2. 2.]]

[[0. 1. 2.]]
"""
 

這種方法不方便的在於，在使用模型的時候，必須把模型的結構重新定義一遍，然後載入對應名字的變數的值。