tensorflow如何保存训练好的整个模型以及下次使用如何加载
时间: 2023-12-30 21:03:29 浏览: 17
要保存训练好的整个模型,可以使用`tf.keras.models.save_model()`方法,该方法可以将整个模型保存为一个文件夹,包含模型的架构、权重和优化器状态等信息。
示例代码:
```python
import tensorflow as tf
from tensorflow import keras
# 构建模型
model = keras.Sequential([
keras.layers.Dense(units=64, activation='relu', input_shape=(784,)),
keras.layers.Dense(units=10, activation='softmax')
])
model.compile(optimizer=keras.optimizers.Adam(),
loss=keras.losses.SparseCategoricalCrossentropy(),
metrics=[keras.metrics.SparseCategoricalAccuracy()])
# 训练模型
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model.fit(x_train, y_train, epochs=5)
# 保存模型
model.save('my_model')
```
要加载已保存的模型,可以使用`tf.keras.models.load_model()`方法,该方法可以将保存的模型加载到内存中,以便下次使用。
示例代码:
```python
import tensorflow as tf
from tensorflow import keras
# 加载模型
model = keras.models.load_model('my_model')
# 预测数据
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_test = x_test / 255.0
predictions = model.predict(x_test)
# 打印预测结果
print(predictions)
```