在訓練迴圈中，定期呼叫 saver.save() 方法，向資料夾中寫入包含了當前模型中所有可訓練變數的 checkpoint 檔案。
saver.save(sess, FLAGS.train_dir, global_step=step)

global_step是訓練的第幾步

儲存引數：

import tensorflow as tf

W = tf.Variable([[1, 2, 3]], dtype=tf.float32)
b = tf.Variable([[1]], dtype=tf.float32)

saver = tf.train.Saver()

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
# 必須要指定資料夾，儲存到ckpt檔案
save_path = saver.save(sess, "winycg/1.ckpt")
print(save_path)
 

一次 saver.save() 後可以在資料夾中看到新增的四個檔案，實際上每呼叫一次儲存操作會建立後3個數據檔案並建立一個檢查點（checkpoint）檔案，簡單理解就是權重等引數被儲存到 .chkp.data 檔案中，以字典的形式；圖和元資料被儲存到 .chkp.meta 檔案中，可以被 tf.train.import_meta_graph 載入到當前預設的圖。

讀取引數：

import tensorflow as tf
import numpy as np

W = tf.Variable(np.arange(3).reshape(1, 3), dtype=tf.float32)
b = tf.Variable(np.arange(1).reshape(1, 1), dtype=tf.float32)

saver = tf.train.Saver()

sess = tf.InteractiveSession()
# 讀取引數時不需要global_variables_initializer()
save_path = saver.restore(sess, "parameter/1.ckpt")
print("weights:", sess.run(W))
print("bias:", sess.run(b))