任务一：用保存好的模型做预测
由于经常要使用tensorflow进行网络训练，但是在用的时候每次都要把模型重新跑一遍，这样就比较麻烦；另外由于某些原因程序意外中断，也会导致训练结果拿不到，而保存中间训练过程的模型可以以便下次训练时继续使用。所以学会tensorflow的save model和load model非常有用。
英文学习手册：A quick complete tutorial to save and restore Tensorflow models
1.什么是Tensorflow模型？
当你训练完一个神经网络后，你可能想保存它，方便将来用上，直接用的产品上，不用再经过漫长的训练。Tensorflow模型主要包含两个内容：1）我们设计的网络图 2）我们训练过程中得到的网络图中的变量(variable)参数值。 因此，Tensorflow主要由两个文件来描述：
a)Meta graph:这个文件主要保存整个Tensorflow图模型，包含所有的变量(variables)、操作(operations)、集合(collections)等。这个文件的扩展为.meta。
b)Checkpoint file:这个二进制文件包含所有的权重值、偏量值、梯度下降值以及其他变量值。这个文件的扩展为.ckpt。
2.如何保存Tensorflow模型
语句1：saver=tf.train.Saver()
在Tensorflow中，如果你想保存图模型和所有的参数值，那么首先，我们应该使用tf.train.Saver()创建一个模型保存类的实例。
语句2：saver.save(sess,'my_model')
注意：Tensorflow变量值只存在于会话执行中，因此保存模型的语句saver.save(sess,'my_model')应该在with tf.Session() as see:语句之后。
模型保存简单代码：
注意：如果tf.train.Saver()实例化，没有传入具体的参数时，它就会保存模型中所有的变量。如果，我们只想保存自己想要的一些变量，我们就可以把自己想要保存的变量名，以list的形式放入tf.train.Save()中。如下：
3.加载模型
模型的加载需要2步：
a）建立图模型
语句1：saver=tf.train.import_meta_graph('my_model.meta')
我们已经在保存的时候，将模型的图保存在.meta文件中了。因此使用语句：saver=tf.train.import_meta_graph('my_model.meta')。注意：此处虽然重新加载了图模型，但还没有将图中参数的实际数据放入。
b）加载参数
语句2：saver.restore(sess,tf.train.latest_checkpoint('你的模型路径名')
使用saver(它是tf.train.Saver()类实例化的对象)调用restore()方法，就能够加载模型参数。
模型加载简单代码：
4.使用存储好的模型进行工作
前面已经学会了模型保存save和模型加载restore。此处要学习利用提前训练好的模型的参数，去预测、调试、或进一步训练。
无论什么时候使用Tensorflow，自己定义的模型图，都需要放入训练数据集和一些参数。标准的方式是，将训练集和参数使用placeholder占位符进行填充。注意：当模型保存的时候，其实使用placeholder占位符填充的的数据是没有保存的。
A.原始模型，新数据
利用原始的网络结构，不同的数据集，我们只需将新的数据集通过feed_dict传入原始模型中就行。具体步骤如下：
1）创建会话tf.Session()
2）加载模型 (加载图和加载参数)
3）使用graph=tf.get_default_graph()语句说明使用原始模型
4）获取原始模型中的placeholder和自己想要的ops，然后通过feed_dict字典，对占位符填充新的数据集。
5）使用sess.run()运行自己想要op和输入新数据集
B.原始模型变新模型，新数据集
如果想要在原始训练好的模型的基础上添加更多的操作，然后再训练这个新模型，同样也是可以做到的。具体步骤如下：
1）创建会话tf.Session()
2）加载模型 (加载图和加载参数)
3）使用graph=tf.get_default_graph()语句说明使用原始模型
4）获取原始模型中的placeholder，然后通过feed_dict字典，对占位符填充新的数据集。
5）获取原始模型中你想要的ops，然后添加新的ops，就构成了新模型。
6）使用sess.run()运行自己想要op和输入新数据集
模型预测：
出现问题：KeyError: "The name 'encoder_inputs:0' refers to a Tensor which does not exist. The operation, 'encoder_inputs', does not exist in the graph." 错误提示：我保存的模型中，占位符encoder_inputs没有存在我当前保存的图中。
出现该问题的原因：这个placeholder，被放在了自定义命名空间Input下了，所以在获取这个变量名时，路径就没有写对。
问题解决办法：修改graph.get_tensor_by_name('tensor正确的路径名')。
问题解决完毕！！！！
出现问题：KeyError: "The name 'decode:0' refers to a Tensor which does not exist. The operation, 'decode', does not exist in the graph." 错误提示：我想获取的decode其实不是一个简单的op，并不存在于保存的图模型中。
其实decode在程序中是一个自定义函数。可以使用tf.identity给op命名。具体改动：
使用tf.identity()重新命名tensor名后，就能够很好的使用graph.get_tensor_by_name()获取op。
问题解决完毕！！！
最终改动后的预测模型：
存在的问题：使用加载的模型，保证不了精确率！！！不知道是不是权值没有load上，或者是在预测过程中，参数权值自己又随意变动了？
参考文章：
【1】【tensorflow】保存模型、再次加载模型等操作
【2】seq2seq.py
【3】Tensorflow动态seq2seq使用总结
【4】tensorflow将训练好的模型freeze,即将权重固化到图里面,并使用该模型进行预测
任务二：周杰伦粉丝团数据主题
1.下载安装Robo 3T 用于连接mongodb
2.数据存放在ai_crawler中
3.使用python读取数据，并分析：还没开始。
任务三：情感分析代码
该代码已经拷到自己电脑上了。
