TensorFlowのsave, restoreで少しつまったのでメモ．
基本的な使い方
Tensorflowの学習パラーメータのsave, restoreにはtf.train.Saverを用います．
保存
保存にはtf.train.Saverのsaveメソッドを使います．
# 幾つか変数作成
w1 = tf.Variable(..., name="v1")
w2 = tf.Variable(..., name="w2")
v1 = tf.Variable(..., name="v1")
v2 = tf.Variable(..., name="v2")
...
saver = tf.train.Saver()
...
# 保存
saver.save(sess, "model.ckpt", global_step=100)
上記により，変数w1,w2,b1,b2がmodel.ckpkに保存されます．
その際同時に，chackpointファイル（model作成履歴のようなものが入っている）と，metaデータが保存されます．global_stepの指定は任意ですが，学習を途中で中断しまた後から再開したいときなどに有用です．
tf.train.Saver()に何も引数を指定しない場合は全ての変数が保存されますが，下記のように保存する変数を指定することもできます．
# v1をmy_v1として保存
tf.train.Saver('my_v1': v1)
# v1, v2のみ保存
tf.train.Saver([v1, v2])
読み込み
読み込みにはtf.train.Saverのrestoreメソッドを使います．
w1 = tf.Variable(..., name="v1")
w2 = tf.Variable(..., name="w2")
v1 = tf.Variable(..., name="v1")
v2 = tf.Variable(..., name="v2")
with tf.Session() as sess:
# 変数の読み込み
saver.restore(sess, "model.ckpt")
上記によりw1, w2, v1, v2に保存された値が読み込まれます．
また，保存されたデータがあるかどうかは，
ckpt = tf.train.get_checkpoint_state('./'):
により，チェックできます（例えば'./'にない場合はNoneが帰ります）．
そのため，
with tf.Session() as sess:
ckpt = tf.train.get_checkpoint_state('./'):
if ckpt: # checkpointがある場合
last_model = ckpt.model_checkpoint_path # 最後に保存したmodelへのパス
print "load " + last_model
saver.restore(sess, last_model) # 変数データの読み込み
...
else: # 保存データがない場合
init = tf.initialize_all_variables()
sess.run(init) #変数を初期化して実行
のように，保存データの有無で，変数を読み込むか，新規に学習を始めるかを分岐させることができます．
注意どころ
保存の際のtf.Variableのnameと，読み込み時に宣言するtf.Variableのnameを揃える．
当然変数名ではなく，nameの指定が揃っていなければ，正しく読み込まれません．
保存した変数の数と，saver = tf.train.Saver()を呼ぶまでに宣言する変数数をそろえる．
保存，読み込みともに，tf.train.Saver()が呼ばれる前までに呼ばれた引数が対象になります．
そのため，何も保存時も何も変数が宣言されていない状態でtf.train.Saver()を呼び出すと，ValueError: No variables to saveと怒られます．
読み込んだ変数に関しては初期化は不要
saver.restore(sess, model)により読み込まれた変数は，Initializeをしなくても値が入っている状態です．
そのため，restoreを読んだ後に
init = tf.initialize_all_variables()
sess.run(init) #変数を初期化して実行
などとしてしまうと，読み込んだ値が初期化されてしまいます．
w1,w2は読み込んで，w3は新しく学習させたい，という際にはtf.initialize_variables()を用います．