如何保存和加载TensorFlow模型？

在TensorFlow中，你可以使用`tf.train.Saver`或者更现代的`tf.saved_model` API来保存和加载模型。以下是基本步骤：

**保存模型**:

1. 定义一个Saver实例：

   saver = tf.train.Saver()

2. 训练模型并达到你想要保存的状态：

   with tf.Session() as sess:
       # ...训练过程...
       saver.save(sess, 'path/to/save/model')

或者使用`tf.saved_model.save()`，如果是在TF 2.x版本及以上：

   model_path = 'path/to/save/model'
   builder = tf.saved_model.builder.SavedModelBuilder(model_path)
   # ...构建模型元数据...
   builder.save()

**加载模型**:

1. 使用`tf.train.import_meta_graph`导入元图文件（`.meta`）和数据文件（`.data-*`）：

   with tf.Session() as sess:
       meta_file = 'path/to/model.meta'
       data_files = ['path/to/model.data*']
       saver = tf.train.import_meta_graph(meta_file)
       saver.restore(sess, tf.train.latest_checkpoint('path/to/models'))

2. 或者直接使用`tf.keras.models.load_model`加载Keras模型：

   loaded_model = tf.keras.models.load_model('path/to/model.h5')