在TensorFlow中，保存模型的方法主要有以下幾種：
使用tf.train.Saver()方法。這是一種基本方法，首先定義模型變數，然後使用tf.train.Saver()創建一個saver對象，在with tf.Session() as sess的上下文管理器中，初始化變數並使用saver.save(sess, path)保存模型，其中path是模型的保存路徑和檔案名稱，通常以.ckpt為後綴。這種方式會保存模型的權重和變數，但使用模型時需要重新定義模型結構並載入對應的變數值。
使用HDF5格式。這種方式可以保存整個模型的權重、架構、訓練配置、最佳化器及狀態等。通過model.save(path)保存模型，並使用tf.keras.models.load_model(path)載入模型。這種方法比較方便，因為可以完整地保存和載入模型。
使用SavedModel格式。這是一種序列化模型的方法，將模型保存為一個包含Protobuf二進制檔案和TensorFlow檢查點(checkpoint)的目錄。SavedModel格式與TensorFlow Serving兼容，可以使用model.save(path)保存模型，然後使用tf.keras.models.load_model(path)載入模型。
使用TensorFlow.js。TensorFlow.js提供了保存和載入模型的功能，可以使用Layers API創建或從現有TensorFlow模型轉換而來。模型可以使用model.save()方法保存，並且可以在不同的環境中載入。
以上方法各有優劣，可以根據實際需求和套用場景選擇合適的保存方式。