Tensorflow之Saver的用法

import tensorflow as tf import numpy as np  x = tf.placeholder(tf.float32, shape=[None, 1]) y = 4 * x + 4  w = tf.Variable(tf.random_normal([1], -1, 1)) b = tf.Variable(tf.zeros([1])) y_predict = w * x + b loss = tf.reduce_mean(tf.square(y - y_predict)) optimizer = tf.train.GradientDescentOptimizer(0.5) train = optimizer.minimize(loss)  isTrain = False train_steps = 100 checkpoint_steps = 50 checkpoint_dir = ''  saver = tf.train.Saver() # defaults to saving all variables - in this case w and b x_data = np.reshape(np.random.rand(10).astype(np.float32), (10, 1))  with tf.Session() as sess:   sess.run(tf.initialize_all_variables())   if isTrain:     for i in xrange(train_steps):       sess.run(train, feed_dict={x: x_data})       if (i + 1) % checkpoint_steps == 0:         saver.save(sess, checkpoint_dir + 'model.ckpt', global_step=i+1)   else:     ckpt = tf.train.get_checkpoint_state(checkpoint_dir)     if ckpt and ckpt.model_checkpoint_path:       saver.restore(sess, ckpt.model_checkpoint_path)     else:       pass     print(sess.run(w))     print(sess.run(b))