как использовать нетерпеливое выполнение для сохранения и восстановления в TensorFlow？

Question

Мы всегда используем tf.train.Saver() для сохранения и восстановления весов, как в этом примере.

Но как использовать нетерпеливое исполнение для сохранения? как изменить следующий пример?

Еще один вопрос, это хорошая идея использовать нетерпеливый?

Я нашел tf.contrib.eager.Saver здесь , но там написано

«Стратегия создания контрольных точек Saver хрупкая».

Что это значит?

# Create some variables.
v1 = tf.get_variable("v1", shape=[3], initializer = tf.zeros_initializer)
v2 = tf.get_variable("v2", shape=[5], initializer = tf.zeros_initializer)

inc_v1 = v1.assign(v1+1)
dec_v2 = v2.assign(v2-1)

# Add an op to initialize the variables.
init_op = tf.global_variables_initializer()

# Add ops to save and restore all the variables.
saver = tf.train.Saver()

# Later, launch the model, initialize the variables, do some work, and save the
# variables to disk.
with tf.Session() as sess:
  sess.run(init_op)
  # Do some work with the model.
  inc_v1.op.run()
  dec_v2.op.run()
  # Save the variables to disk.
  save_path = saver.save(sess, "/tmp/model.ckpt")
  print("Model saved in path: %s" % save_path)