tensorflow2.0保存和恢复模型3种方法

tensorflow2.0保存和恢复模型保存和恢复模型3种方法种方法

今天小编就为大家分享一篇tensorflow2.0保存和恢复模型3种方法，具有很好的参考价值，希望对大家有所帮

助。一起跟随小编过来看看吧

方法方法1：只保存模型的权重和偏置：只保存模型的权重和偏置

这种方法不会保存整个网络的结构，只是保存模型的权重和偏置，所以在后期恢复模型之前，必须手动创建和之前模型一模一

样的模型，以保证权重和偏置的维度和保存之前的相同。

tf.keras.model类中的save_weights方法和load_weights方法，参数解释我就直接搬运官网的内容了。

save_weights(

checkpoint files (multiple files are generated). Note that the '.h5' suffix causes weights to be saved in HDF5 format.

overwrite: Whether to silently overwrite any existing file at the target location, or provide the user with a manual prompt.

save_format: Either 'tf' or 'h5'. A filepath ending in '.h5' or '.keras' will default to HDF5 if save_format is None. Otherwise

None defaults to 'tf'.

load_weights(

filepath,

by_name=False

)

实例1：

import tensorflow as tf

x_train, x_test = x_train / 255.0, x_test / 255.0

# step2 创建模型

def create_model():

return tf.keras.models.Sequential([

tf.keras.layers.Flatten(input_shape=(28, 28)),

tf.keras.layers.Dense(512, activation='relu'),

tf.keras.layers.Dropout(0.2),

tf.keras.layers.Dense(10, activation='softmax')

metrics=['accuracy'])

# step4 模型训练 训练一个epochs

model.fit(x=x_train,

y=y_train,

epochs=1,

)

# step5 模型测试

loss, acc = model.evaluate(x_test, y_test)

del model

# step8 重新创建模型