python网络模型的保存与加载

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'])