TensorFlow:训练好的模型存储在哪里，如何访问？

TensorFlow是一个开源的机器学习框架，用于构建和训练各种机器学习模型。训练好的模型可以存储在多种不同的位置，并且可以通过不同的方式进行访问。

1. 本地存储：训练好的模型可以直接存储在本地计算机的硬盘上。这种方式适用于小型模型或个人项目。可以将模型保存为TensorFlow的SavedModel格式，该格式包含了模型的结构和参数。通过使用TensorFlow的API，可以加载SavedModel并进行预测。
2. 云存储：训练好的模型可以存储在云存储服务中，如腾讯云的对象存储（COS）、腾讯云的云硬盘（CVM）等。将模型上传到云存储后，可以通过访问云存储的API或者使用云存储提供的SDK进行访问和下载。在TensorFlow中，可以使用tf.train.Saver类将模型保存到指定的路径。
3. 模型服务器：训练好的模型可以部署在模型服务器上，以便通过网络进行访问。模型服务器可以是自己搭建的服务器，也可以是云服务提供商提供的托管服务，如腾讯云的AI推理服务（TIA）。通过将模型部署在模型服务器上，可以通过发送请求和接收响应的方式进行模型的访问和预测。

总结起来，训练好的TensorFlow模型可以存储在本地或云存储中，并且可以通过本地加载、云存储的API或SDK、模型服务器等方式进行访问。具体的存储和访问方式可以根据实际需求和场景选择合适的方法。