【人工智能】深度学习框架值TF入门-模型保存与加载

资料：https://tensorflow.google.cn/tutorials/keras/save_and_load#选项

Keras的方式

Keras版本模型保存与加载

函数

保存模型权重：model.save_weights
保存HDF5文件：model.save
保存pb文件：tf.saved_model

tf.saved_model和model.save的区别在于，tf.saved_model格式的模型可以直接用来预测，但是tf.saved_model没有保存优化器配置，而model.save保存了优化器配置，所以整体更大。

保存模型权重方法仅仅保存了模型中的权重，而保存模型文件的model.save可以将模型和优化器一起保存，包括权重（weights）、模型配置（architecture）和优化器配置（optimizer configuration）。这样做的好处是，当你恢复模型时，完全不依赖于原来搭建模型的代码。

保存完整的模型有很多应用场景，比如在浏览器中使用TensorFlow.js加载运行，比如在移动设备上使用TensorFlow Lite加载运行。

使用

保存为pd格式

保存：model.save("要保存的目录名称")

读取：model = tf.keras.models.load_model('保存模型的目录名称')

保存为hdf5格式

同上，只是写的不再是目录名称，而是'xxx.h5'

注意：

如果发生报错：model_config = json.loads(model_config.decode('utf-8'))

原因：tensorflow2.1.0支持h5py<3.0.0 而在安装tensorflow会自动安装h5py 3.1.0 。

旧版本的方式（v1.x）

我没安装这个版本的tensorflow，没有经过测试

函数

函数：tf.train.Saver(var_list=none,max_to_keep=5)

• 保存和加载模型，文件格式：checkpoint文件（扩展名：ckpt）
• var_list：指定要保存和还原的变量，可以作为一个dict或一个列表传递
• max_to_keep：指示要保留的最近检查点文件的最大数量。创建新文件时，会删除较旧的文件，如果无或者0，则保留所有检查点文件。默认为5（保留最新的5个检查点文件）

使用方法

旧版本使用办法）（1.x）

saver = tf.train.Saver()
saver.save(Model,"./路径/文件名.ckpt")
saver.restore(Model,"./路径/文件名.ckpt")