一、保存TensorFlow 的模型供其他语言使用

如果用户选择“y” ,则执行下面的步骤：

判断程序执行目录下是否有 export 目录，如果有，调用 shutil 包中的 rmtress 函数将其删除，以免冲突
builder = tf .saved_model . builder . SavedModelBuilder ("export") ———— 用于生成保存神经网络模型的对象builder，并指定保存位置为程序执行目录下的 export 子目录
builder.add_meta_graph_and_variables (sess,["tag"]) ———— 指定保存会话对象 sess 中的默认数据流图和可变参数（即保存模型的主要内容）,并起标记名 “tag”，这个标记名在以后被其他语言调用时会被引用
builder.save() ———— 保存

完后，会在程序执行目录下生成一个 export 子目录，其中包含了需要传递给其他语言程序的神经网络模型的相关文件。

在其他语言调用时，需要把这个文件夹整个复制到需要使用的计算机上

二、java中调用模型并进行预测计算

调用模型文件进行预测的示例：

import org.tensorflow.Graph;
import org.tensorflow.Session;
import org.tensorflow.Tensor;
import org.tensorflow.TensorFlow;
import org.tensorflow.SavedModelBundle;
import java.nio.FloatBuffer;
import java.util.Arrays;

public class TestTF {

    public static void main(String[] args) {  
        SavedModelBundle smb = SavedModelBundle.load("export", "tag");
        
        Session s = smb.session();
        
        float[][] matrix = {{1.0F, 2.0F, 3.0F, 4.0F}};
        System.out.println(Arrays.deepToString(matrix));  

        Tensor xFeed = Tensor.create(matrix);
        
        Tensor result = s.runner().feed("x", xFeed).fetch("y").run().get(0);
            
        FloatBuffer buf = FloatBuffer.allocate(2);
            
        result.writeTo(buf);
            
        System.out.println(result.toString());  

        System.out.println(buf.get(0));  
        System.out.println(buf.get(1));  
    }
}