Tensorflow2.x训练权重和网络模型的保存及加载

写在前面：本文仅为鄙人学习记录，不做知识分享

----------------------------------------分割线---------------------------------------

一、Tensorflow2.x训练权重保存及加载

#模型存放路径
#网络构建完成后，先model.compile编译在model.fit训练权重
#之后将训练好的权重保存
save_path = 'path'   #path为权重保存的地址
model.save_weights(save_path)

#模型加载
#构建网络后先要model.compile编译网络后再加载权重
save_path = 'path'   #path为权重保存的地址
model.load_weights(save_path)

注：此法必须确保网络结构完全一致，才能采用读取权重文件的方法

二、Tensorflow2.x保存整个网络模型和参数

model = create_model()

model.compile(········)

model.fit(·······)

# 保存整个模型到HDF5文件 
model.save('my_model.h5')

new_model = keras.models.load_model('my_model.h5')
new_model.summary()

注：此方法可保存模型的所有东西： 权重值 模型的配置（架构） 优化器配置
Keras通过检查架构来保存模型，目前它无法保存TensorFlow优化器（来自tf.train）。使用这些时，您需要在加载后重新编译模型，否则您将失去优化程序的状态。