Tensorflow2中保存权重、模型的方法

在Tensorflow2中保存权重和模型的方法有三种

第一种为仅保存weights与bias的方式

 #1.保存权重和偏移量参数值 save_weights / load_weights
    path = "./checkpoints/mycheck"
    #保存weights & bias
    model.save_weights(path)


    #重新读取训练好的权重，在模型中使用的时候，需要重新构建模型
    model.load_weights("weights.ckpt")
	
	
    del model

    model = tf.keras.Sequential([
    tf.keras.layers.Dense(256,activation=tf.nn.leaky_relu),
    tf.keras.layers.Dense(128,activation=tf.nn.leaky_relu),
    tf.keras.layers.Dense(64,activation=tf.nn.leaky_relu),
    tf.keras.layers.Dense(32,activation=tf.nn.leaky_relu),
    tf.keras.layers.Dense(10),
    ])

    model.build(input_shape=[None,784])

    model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),loss=tf.keras.losses.CategoricalCrossentropy(from_logits=True),metrics=['accuracy'])
    model.fit(data_train,validation_data=data_test,validation_freq=2,epochs=10)
    model.evaluate(data_test)
    model.evaluate()

第二种为保存整个模型的方式

    #2.保存整个模型 save / load_model
    model.save("model.h5")
    del model
    model = tf.keras.models.load_model("model.h5")
    model.evaluate()

第三种为工业级部署方式

    #3.保存整个模型(工业级部署) saved_model
    tf.saved_model.save(model,"./log/models")
    model = tf.saved_model.load("./log/models")
    f = model.signatures["serving_default"]
    # model.build()
    # model.compile()
    # model.fit()
    # model.evaluate()
    # model.signatures()
    print(f)