这里写目录标题
方法一 仅保存权重
网络结构需与之前网络保持一致,利用model.load_weights()实现。
model.save_weights('weights.ckpt')
# 删除网络模型
del model
# 构建网络模型
model = tf.keras.Sequential([
tf.keras.layers.Dense(256, activation='relu'),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(32, activation='relu'),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer=tf.keras.optimizers.SGD(learning_rate=0.001),
loss=tf.keras.losses.CategoricalCrossentropy(),
metrics=['accuracy'])
# 加载
model.load_weights('weights.ckpt')
方法二 保存网络
保存网络结构及参数,利用tf.keras.models.load_model()重新调用,文件较大。
model.save('model.h5')
del model
model = tf.keras.models.load_model('model.h5')
方法三 SavedModel
方面迁移至其他平台
tf.keras.experimental.export_saved_model(model, 'save_model')
tf.keras.experimental.load_from_saved_model('save_model')
model.compile(optimizer=tf.keras.optimizers.SGD(learning_rate=0.001),
loss=tf.keras.losses.CategoricalCrossentropy(),
metrics=['accuracy'])