文章目录
-
- 1. tf.saved_model.save
- 2. Keras API 模型导出
学习于：简单粗暴 TensorFlow 2
1. tf.saved_model.save
- tf.train.Checkpoint 可以保存和恢复模型中参数的权值
- 导出模型：包含参数的权值，计算图 无须源码即可再次运行模型，适用于模型的分享、部署
注意：
- 继承
tf.keras.Model的模型，一些方法需要是计算图模式，比如call()方法必须用@tf.function修饰
class MLPmodel(tf.keras.Model):
def __init__(self):
super().__init__()
# 除第一维以外的维度展平
self.flatten = tf.keras.layers.Flatten()
self.dense1 = tf.keras.layers.Dense(units=100, activation='relu')
self.dense2 = tf.keras.layers.Dense(units=10)
@tf.function # 计算图模式，导出模型，必须写
def call(self, input):
x = self.flatten(input)
x = self.dense1(x)
x = self.dense2(x)
output = tf.nn.softmax(x)
return output# 导出模型， 模型目录
tf.saved_model.save(mymodel, "./my_model_path")
# 载入模型
mymodel = tf.saved_model.load('./my_model_path')
- 继承
tf.keras.Model的模型，重新载入后，无法再使用evaluate，predict方法，可以使用call方法
# tf_2_model_train.py
res = mymodel.call(data_loader.test_data)
print(res)2. Keras API 模型导出
- Keras Sequential 和 Functional 建立的模型，上面的方法可以用
- Keras Sequential 和 Functional 模式自有的导出格式
.h5（HDF5 格式）
# 模型导出
model.save('catdog.h5')
# 模型载入
model = tf.keras.models.load_model('catdog.h5')
