tensorflow怎么保存训练模型

在 TensorFlow 中，可以使用 `tf.keras.models.save_model()` 函数来保存训练模型。该函数将模型保存为一个 HDF5 文件，包含了模型的结构、权重和训练配置等信息。下面是保存训练模型的示例代码：

import tensorflow as tf

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

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

# 训练模型
model.fit(x_train, y_train, epochs=10)

# 保存模型
model.save('my_model.h5')

其中，`my_model.h5` 是保存模型的文件名。在保存模型之后，可以使用 `tf.keras.models.load_model()` 函数加载模型。