tensorflow2.3+多任务学习MTL保存多个模型方案

最新推荐文章于 2024-08-16 10:34:40 发布

Daisy和她的单程车票

最新推荐文章于 2024-08-16 10:34:40 发布

阅读量695

点赞数

分类专栏： tensorflow2.0 文章标签： tensorflow

本文链接：https://blog.csdn.net/u012513618/article/details/110437454

版权

这篇博客介绍了在TensorFlow 2.3中使用多任务学习（MTL）时如何保存多个模型。通过一个简单的ESMM模型示例，展示了在不希望在线预测时传递多个标签的情况下，如何保存模型。在保存模型时，可以直接调用相应模块。保存的模型在预测时，如a_model，不需要输入全部标签。

摘要由CSDN通过智能技术生成

esmm模块

以下代码是一个简单的esmm的模型，当我们想保存多个模型的时候，而且线上预测的时候，不想传两个label(label1,label2)进去的时候,处理方式如下

def base_model(inputs,output, variable_scope):
    with tf.compat.v1.variable_scope(variable_scope):
        base_model = tf.keras.Model(
            inputs=inputs,
            outputs=output, name=variable_scope)
    return base_model
# 模型
def gen_model():
    input1 = tf.keras.layers.Input(shape=(2,), dtype=tf.float32, name='ty')
 	
   
    input_layers= Dense(units=16,activation='relu')(input1)
    
    a_preds = tf.keras.layers.Dense(units=1, activation='sigmoid')