tensorflow2保存模型格式

TensorFlow 2 有多种保存模型的方式，以下是其中几种常用的格式：

1. SavedModel 格式：SavedModel 是 TensorFlow 2 推荐的模型保存格式。它是一个文件夹，包含了模型的计算图、变量、签名等信息。保存后可以方便地加载到 TensorFlow Serving 中进行部署和预测。使用 tf.saved_model.save() 方法保存模型，使用 tf.saved_model.load() 方法加载模型。

2. Keras HDF5 格式：如果使用 Keras API 构建模型，可以使用 HDF5 格式保存模型。这种格式只包含了模型的权重和架构信息，不包含计算图和其他元数据。使用 model.save() 方法保存模型，使用 tf.keras.models.load_model() 方法加载模型。

3. Checkpoint 格式：Checkpoint 格式是 TensorFlow 的原生格式，可以保存模型的变量和状态。它通常用于在训练过程中保存模型的断点，以便在需要时恢复训练。使用 tf.train.Checkpoint() 方法设置 checkpoint，使用 tf.train.CheckpointManager() 方法管理 checkpoint，使用 tf.train.Checkpoint.restore() 方法恢复 checkpoint。

需要注意的是，这些格式都有不同的应用场景，选择适合自己的格式可以更好地管理和使用模型。