tensorflow保存模型_Tensorflow模型保存方式大汇总

GraphDef

GraphDef是Tensorflow中序列化的图结构。在tensorflow中，计算图被保存为Protobuf格式（pb）。pb可以只保存图的结构，也可以保存结构加权重。

SignatureDef

定义图结构输入输出的节点名称和属性。

tf.saved_model

将动态图保存成权重（./variables）、计算图（keras_metadata.pb）、权重和计算图（saved_model.pb）三种文件。

# 保存
model = tf.saved_model.save(
    obj, export_dir, signatures=None, options=None
)
# 读取
model= tf.saved_model.load(
    export_dir, tags=None, options=None
)
# 推理
infer = model.signatures["serving_default"]

freeze_graph

from tensorflow.python.tools.freeze_graph import freeze_graph_with_def_protos

该函数将图和权重以常量的形式保存在一张静态图中(pb)。

参考：

https://github.com/tensorflow/tensorflow/blob/f5b9c2225584c79539ff6746b3417e8505443a4b/tensorflow/python/tools/freeze_graph.py​github.com

tf.train.Saver()

详细可参考：

小文：[深度学习] TensorFlow中模型的freeze_graph​zhuanlan.zhihu.com

# 保存断点
saver = tf.train.Saver()
saver.save()
# 加载断点
saver.restore()

• .data文件保存了当前参数值
• .index文件保存了当前参数名
• .meta文件保存了当前图结构
• .events文件是给可视化工具tensorboard使用。
• .pbtxt文件是以字符串存储的计算图

tf.train.CheckpointManager()

CheckpointManager是一个管理断点的工具，是Saver更高级的API，类似于tensorflow.keras.callbacks中的Checkpoint类。CheckpointManager可以设置自动存点间隔步数、最大断点数、自动存点间隔时间等参数

其中，最新的断点文件名以字符串形式储存在checkpoint文件中。

可参考：

tf.train.CheckpointManager | TensorFlow Core v2.3.1​tensorflow.google.cn

# 设置断点
checkpoint = tf.train.Checkpoint(optimizer=optimizer, model=model)
manager = tf.train.CheckpointManager(
    checkpoint, directory="/tmp/model", max_to_keep=5)
# 加载最新的断点
status = checkpoint.restore(manager.latest_checkpoint)
# 保存断点
while True:
  # train
  manager.save()