TF2.x的keras模型保存与加载

传送门：官方文档

Keras模型包含多个组件：

• 模型的结构或者配置文件，表明模型包含哪些网络层以及各层之间的连接方式。
• 当前状态模型的参数。
• 模型的optimizer，在complie里进行定义的。
• 模型的损失函数和度量函数（在complile函数中定义的或者通过add_loss()、add_metric()函数添加）。

通过Keras的API可以将上述的所有组件保存成一个文件或者选择性的保存其中某些组件：

• 以Tensorflow SavedModel格式或者Keras H5格式将整个模型保存为一个文件。
• 以JSON文件形式保存模型的结构或者配置。
• 只保留模型的权重，通常在训练模型的过程中使用。

Keras模型的保存与读取

保存	加载
model.save()	tf.keras.models.load_model()
tf.keras.models.save_model()	tf.keras.models.load_model()
model.save_weights()	model.load_weights()
tf.saved_model.save()	tf.saved_model.load()

整个模型的保存与加载

• 模型的结构和配置
• 通过训练学习到的权重
• 模型的编译信息（如果保存前有调用model.compile）

APIs

• model.save()或者tf.keras.models.save_model()
• tf.keras.models.load_model()

使用model.save()或者tf.keras.models.save_model()

此种方式可以Keras H5格式或者Tensorflow SavedModel格式保存整个模型，在TF2.x版本中默认以SavedModel格式保存，如果想要使用Keras H5格式，可以通过以下形式进行保存：

• 在model.save()函数中传递参数saved_format='h5'；
• 在model.save()函数传递文件名参数时以.h5或者.keras结尾。

SavedModel格式

import tensorflow as tf

model = tf.keras.applications.ResNet50()