tensorflow variable的保存和修改（加载一部分variable到新的model中）

link: https://www.tensorflow.org/guide/saved_model

中文博客：https://blog.csdn.net/Searching_Bird/article/details/78274207

　　https://blog.csdn.net/mieleizhi0522/article/details/80535189

self.saver = tf.train.Saver({'words/_word_embeddings':self._word_embeddings})

for x in tf.all_variables():
print(x.name)

mysaver = tf.train.import_meta_graph(self.config.dir_model_storepath_pre_graph)
mysaver.restore(self.sess, tf.train.latest_checkpoint(self.config.dir_model_storepath_pre))

一，恢复部分预训练模型的参数。

weight=[weights['wc1'],weights['wc2'],weights['wc3a']]
saver = tf.train.Saver(weight)#创建一个saver对象，.values是以列表的形式获取字典值
saver.restore(sess, model_filename)
二，手动初始化剩下的（预训练模型中没有的）参数。

var = tf.get_variable(name, shape, initializer=tf.contrib.layers.xavier_initializer())

保存的时候怎么保存呢？我想保存全部变量，所以要重新写一个对象，名字和恢复的那个saver对象不同：

saver_out=tf.train.Saver()
saver_out.save(sess,'file_name')
这个时候就保存了全部变量，如果你想保存部分变量，只需要在构造器里传入想要保存的变量的名字就行了。