源自  https://www.cnblogs.com/denny402/p/6940134.html

在模型的儲存部分有兩個重要的函式，

第一個  :  saver = tf.train.Saver(  )

我的理解是： 這行程式碼大概就相當於例項化；

這個函式有一個很重要的引數，max_to_keep， 這個值決定了你要儲存最後幾次的模型

可能這樣說很難讓人理解，其實就是這樣；

max_to_keep=1  我們儲存最後那次修煉的模型  ( 譬如說我們的 epoch = 10, 那麼就只會儲存第十次訓練的模型)

max_to_keep=10 . 則這10次的模型就都會被儲存下來，（然而個人感覺這並沒有什麼卵用） 

現在我們有了一個例項化的object了，我們來用第二個函式

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

從名字就不難看出來，這行程式碼的作用就是儲存，

第一個引數sess自然就不必多說了， 第二個引數設定儲存的路徑和名字（儲存在ckpt資料夾下，名字為mnist. ckpt）

第三個引數嚴格意義上來說也是用來命名的，他們將訓練的次數作為字尾加入到你的檔名字中

譬如說我們的epoch = 10（我的意思是step = 10）

那麼我們執行上面的語句，你ckpt資料夾下的檔案就會是這樣：  mnist-10.ckpt

因為不是科班出身，我並沒有學過資料庫，所以對pointcheck的定義也很含糊，我爭取這周簡單的看一下這方面的知識然後在回來充分的理解一下。。。。。

在附上我看過的覺得挺好的一篇部落格，和大家分享一下https://blog.csdn.net/Laurenitum0716/article/details/79326128

-  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -

經過上面的兩步，我們的模型就儲存完畢了，

如果我們想要恢復這個模型，則要用到是restore()函式

我們看到，這個restore一共3個引數，self,  sess  自然不必說

第三個引數： save_path指的是儲存的模型路徑。

我們可以使用tf.train.latest_checkpoint（）來自動獲取最後一次儲存的模型。

-  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -

          ps  :  open (w--覆蓋，a-- 不覆蓋)