tensorflow2.0中保存、加载、克隆模型

1. 将模型保存并加载到磁盘1.1 保存并加载整个模型

保存整个模型：

保存模型

model.save()

或

tf.keras..（模型，）

注意：.的文件格式，如果不加后缀，则默认为格式，如果加后缀.h5，则为HDF5格式。后者比前者轻量级，但内容不如前者。

加载模型

tf.keras..()

注意：如果加载h5格式文件，可能会报错：’str’ has no ‘。这是由于h5py版本高，只能安装h5py的版本，即pip h5py==2.10.0。

例子

import tensorflow as tf
from tensorflow import keras
def get_model():

    model = keras.Sequential()
    model.add(keras.Input(shape=(1,)))
    model.add(keras.layers.Dense(10, keras.activations.relu))
    model.add(keras.layers.Dense(1))
    model.compile(optimizer='sgd',  loss='mse')
    return model
model_1 = get_model()
model_1.save("my_model.h5")
# 或者 model_1.save("my_model")
model_2 = tf.keras.models.load_model("my_model.h5")

# 或者 model_2 = tf.keras.models.load_model("my_model")

1.2只保存和加载参数保存参数

模型.()

注意：文件格式，如果不加后缀，则默认为格式，如果加后缀.h5，则为HDF5格式。具体区别可以看官方文档。当网络嵌套时，后者可能会出现问题。

加载参数

模型.()

例子

import tensorflow as tf
from tensorflow import keras
def get_model():
    model = keras.Sequential()

    model.add(keras.Input(shape=(1,)))
    model.add(keras.layers.Dense(10, keras.activations.relu))
    model.add(keras.layers.Dense(1))
    model.compile(optimizer='sgd',  loss='mse')
    return model
model_1 = get_model()
model_1.save_weights("my_model_weights.h5")
# 或者 model_1.save_weights("my_model_weights")
model_1.load_weights("my_model_weights.h5")
# 或者 model_1.load_weights("my_model_weights.h5")

使用回调函数

模型参数也可以使用回调函数保存和加载

在训练过程中添加回调函数：

cp_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=文件路径,  # 文件存储理解
    save_weights_only=True/False,  # 是否只保留参数
    save_best_only=True/False  # 是否只保留最优结果
)
model.fit(
  ...
  callbacks=[cp_callback]

)
# 加载模型参数
model.load_weights(文件路径)

2. 克隆内存中的模型2.1 克隆整个模型

keras..（模型）

注意：这里的model只能是model或者model，不能是model

2.仅克隆2个参数

获取模型的参数

模型.()

为模型分配参数

模型.()

参考