要保存T-SNE结果以供将来使用，可以使用Python的pickle模块。Pickle模块允许你将Python对象序列化为二进制文件，并在需要时重新加载。以下是一个示例代码：

import pickle
from sklearn.manifold import TSNE

# 假设你已经有了一个嵌入向量X，是一个二维数组，形状为(n_samples, n_features)

# 创建一个T-SNE模型
tsne = TSNE(n_components=2)

# 在嵌入向量上拟合T-SNE模型
X_tsne = tsne.fit_transform(X)

# 保存T-SNE结果到文件
with open("tsne_result.pickle", "wb") as f:
    pickle.dump(X_tsne, f)

上述代码中，首先导入pickle模块和sklearn.manifold中的TSNE类。然后，假设你已经有了一个嵌入向量X，使用TSNE类创建一个T-SNE模型。接下来，使用fit_transform()方法在嵌入向量上拟合T-SNE模型并进行降维。最后，使用pickle.dump()函数将T-SNE结果保存到文件中。

要加载保存的T-SNE结果，可以使用以下代码：

import pickle

# 加载保存的T-SNE结果
with open("tsne_result.pickle", "rb") as f:
    X_tsne = pickle.load(f)

# 可以在需要的地方使用加载的T-SNE结果

上述代码中，使用pickle.load()函数加载保存的T-SNE结果。加载后的结果可以在需要的地方使用。