在TensorFlow中，保存模型的方法有以下幾種：
tf.keras.models.save_model()函數保存整個模型，包括模型結構、模型權重和優化器狀態等信息，可以通過tf.keras.models.load_model()函數載入模型。model.save('model.h5')
loaded_model = tf.keras.models.load_model('model.h5')
tf.saved_model.save()函數保存模型為SavedModel格式，包括模型結構、權重和計算圖等信息，可以通過tf.saved_model.load()函數載入模型。tf.saved_model.save(model, 'saved_model')
loaded_model = tf.saved_model.load('saved_model')
tf.train.Checkpoint類保存模型的權重和優化器狀態，可以通過restore()方法恢復模型。checkpoint = tf.train.Checkpoint(model=model)
checkpoint.save('model_checkpoint')
checkpoint.restore('model_checkpoint')
tf.train.Saver類保存和恢復模型的變量。saver = tf.train.Saver()
saver.save(sess, 'model.ckpt')
saver.restore(sess, 'model.ckpt')
tf.io.write_graph()和tf.train.write_graph()函數將模型導出為GraphDef格式或PB格式。tf.io.write_graph(sess.graph_def, './', 'model.pb', as_text=False)
tf.train.write_graph(sess.graph_def, './', 'model.pbtxt')
