tensorflow的save保存的模型格式是怎样？如何调用其训练好的模型，请列举代码

TensorFlow的save函数可以将训练好的模型保存为一个checkpoint文件或者SavedModel文件。其中checkpoint文件可以保存参数值，用于继续训练；而SavedModel文件可以保存整个模型，包含计算图和参数值，用于预测或者部署。

可以使用tf.train.Saver对象来保存和加载checkpoint文件，具体代码如下：

import tensorflow as tf

# 定义模型和训练过程
# ...

# 创建一个Saver对象
saver = tf.train.Saver()

# 训练过程中保存模型
with tf.Session() as sess:
    # 进行模型训练过程
    # ...

    # 保存模型
    saver.save(sess, "/path/to/checkpoint_file")

# 在预测或者部署时加载模型

# 创建一个Saver对象
saver = tf.train.Saver()

# 加载模型
with tf.Session() as sess:
    # 加载模型
    saver.restore(sess, "/path/to/checkpoint_file")

    # 使用模型进行预测或者部署
    # ...

如果希望保存为SavedModel文件，则可以使用tf.saved_model.simple_save函数，具体代码如下：

import tensorflow as tf

# 定义模型和训练过程
# ...

# 保存模型为SavedModel文件
with tf.Session() as sess:
    # 进行模型训练过程
    # ...

    # 保存模型为SavedModel文件
    inputs = {"input_data": model.input_data}
    outputs = {"output_data": model.output_data}
    tf.saved_model.simple_save(
        sess,
        "/path/to/saved_model/",
        inputs,
        outputs
    )

# 在预测或者部署时加载模型

# 加载SavedModel文件
with tf.Session() as sess:
    # 加载SavedModel文件
    tf.saved_model.loader.load(
        sess,
        [tf.saved_model.tag_constants.SERVING],
        "/path/to/saved_model/"
    )

    # 获取输入和输出tensor
    input_tensor = sess.graph.get_tensor_by_name('input_data:0')
    output_tensor = sess.graph.get_tensor_by_name('output_data:0')

    # 使用模型进行预测或者部署
    # ...

以上代码只是简单的示例，实际情况中还需要根据具体的模型进行适当修改。