TensorFlow：保存张量变量而不使用图形

Question

运行python3和Tensorflow 1.3.0（gpu）我生成了大量的tensorflow模型，我想保存在我的磁盘上供以后评估。我开始使用tf.train.Saver()，这基本上就是我想要的。但它生成的文件太大了。每个型号需要大约3MB的硬盘空间，这对于我的> 1万个型号来说太多了。

我模型中唯一可变的部分是重量和偏差。那么，在压缩的csv文件中保存隐藏的图层权重和偏差会有多难？

然后我可以稍后阅读这些文件并再次创建我的权重和偏见 - 张量，构建我的图表并将其用于预测和评估。

这是我的代码的一部分。我只想将张量保存在我的磁盘上：

    weights = {'h1': tf.Variable(tf.random_normal(
        [self.config.n_input,
         self.config.hidden_layer_nums[0]]))}
    ...
    weights['out'] = tf.Variable(tf.random_normal(
        [self.config.hidden_layer_nums[-1], self.config.n_output]))

所以我的问题是：

1. 如何将Tensor转储到.csv（或json）文件？
2. 如何从.csv文件重新创建Tensor？