Python 2.7 在tensorflow中将权重保存到内存

我正在使用python2.7和tensorflow，需要根据下一次计算的结果保存权重。因此，我需要临时保存以前的权重，一种方法是使用：

saver = tf.train.Saver(...variables...)
saver.save(sess, 'my-model', global_step=step)

但问题是权重会被保存到磁盘上，这相当慢，而且随着时间的推移会累积起来，因为我必须临时保存每一步的权重。有没有办法将权重临时保存到内存中？

---

另一种方法是将权重变量声明为占位符，将每个步骤后的权重保存到其他虚拟权重变量，然后将每个步骤的临时权重变量传递回占位符。但这很不令人满意。

无论如何，你为什么需要保存重量？你能简单地为权重设置reuse=True吗？这里，它建议我们应该为一个目的“构建多个图”。这个技巧依赖于保存和加载来共享图之间的权重。您是如何得到解决方案的？我也想保存/加载每个步骤。