tensorflow2保存模型格式

在TensorFlow 2中，可以使用以下两种格式来保存模型：

1. SavedModel格式：这是TensorFlow 2中推荐使用的格式。它是一种通用的格式，可以在不同的平台和语言中使用，例如Python、C++、Java等。SavedModel格式保存的是整个模型的图结构和权重。

保存模型：

import tensorflow as tf

# 创建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, input_shape=(784,), activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 训练模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

# 保存模型
model.save('my_model')

加载模型：

import tensorflow as tf

# 加载模型
model = tf.keras.models.load_model('my_model')

# 使用模型预测
predictions = model.predict(x_test)

2. Keras HDF5格式：这是一种仅限于Python使用的格式，它只保存了模型的权重，没有保存图结构。

保存模型：

import tensorflow as tf

# 创建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, input_shape=(784,), activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 训练模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

# 保存模型
model.save_weights('my_model_weights.h5')

加载模型：

import tensorflow as tf

# 创建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, input_shape=(784,), activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 加载模型权重
model.load_weights('my_model_weights.h5')

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 使用模型预测
predictions = model.predict(x_test)