保存和加载模型的方法

目录

保存模型权重

保存整个模型 

---

保存模型权重

1. 使用回调函数保存

2. 手动保存

这种是在model.fit时传入保存checkpoint的回调函数。使用的回调函数是tf.keras.callbacks.ModelCheckpoint。需要传入checkpoint保存路径，可以设置保存频率。

checkpoint_path = 'training_1/cp-{epoch:04d}.ckpt'
# Create a callback that saves the model's weights
cp_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath = checkpoint_path,
    save_weights_only = True,
    verbose = 1,
    save_freq = 'epoch'
)

checkpoint_path里面的{epoch:04d}是为了使得不同epoch保存时，文件名称有差异。

save_weights_only为True时，相当于model.save_weights。为False时相当于model.save。

save_freq为‘epoch’时，在每个epoch结束时进行一次存储。当save_freq为整数N时，表示迭代 N个batch之后，进行一次保存。

使用save_weights_only为True保存的ckpt，在加载时通过model.load_weights(checkpoint_path)完成模型参数加载。

手动保存ckpt文件，使用model.save_weights(checkpoint_path)方法即可。