![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow
文章平均质量分 78
努力躺平
这个作者很懒,什么都没留下…
展开
-
TF2.x的keras模型保存与加载
TF2.x的keras模型保存与加载keras模型的保存keras 模型的加载 传送门:官方文档 这里只想简单记录应用时遇到的一些坑。 keras模型的保存 假设有模型如下: keras模型的有三种形式: 使用model.save 此种方式可以hdf5格式或者saved_model格式保存整个模型。 import tensorflow as tf from tensorflow import keras model = keras.applications.ResNet50() # 以h5的形式保存整原创 2021-09-01 19:39:36 · 2069 阅读 · 0 评论 -
基于tf2.x的keras训练的模型转成tf1.x版本
基于tf2.x的keras训练的模型转成tf1.x版本写在前面第一步:保证在tf1.x环境下正确导入tf2.x的权重在TF2.x只保存模型的权重在TF1.x下定义模型结构并导入TF2.x保存的权重第二步,转成TF1.x的saved_model 写在前面 我训练使用的是TF2.3,部分业务场景需要将模型转到TF1.14版本进行部署。 训练的模型是基于keras的预训练,外加自己添了一点东西。 TF2.x的模型转到TF1.x之后存在精度损失,因模型而异。 第一步:保证在tf1.x环境下正确导入tf2.x的权重原创 2021-08-31 21:51:12 · 996 阅读 · 3 评论 -
tensorflow_serving通过model_config_file进行模型部署以及更新部署
tensorflow_serving通过model_config_file进行模型部署以及更新部署TF Serving模型部署docker方式第一种方式第二种方式,通过model_config_file进行部署(推荐) TF Serving TF Serving架构具体包括:servables、loaders、sources、managers和core,具体内容参照tensorflow servi...原创 2019-05-31 14:10:13 · 5516 阅读 · 0 评论