学习于：简单粗暴 TensorFlow 2

1. tf.saved_model.save

• tf.train.Checkpoint 可以保存和恢复模型中参数的权值
• 导出模型：包含参数的权值，计算图
  无须源码即可再次运行模型，适用于模型的分享、部署

注意：

• 继承 tf.keras.Model 的模型，一些方法需要是计算图模式，比如 call() 方法必须用 @tf.function 修饰

class MLPmodel(tf.keras.Model):def __init__(self):super().__init__()# 除第一维以外的维度展平self.flatten = tf.keras.layers.Flatten()self.dense1 = tf.keras.layers.Dense(units=100, activation='relu')self.dense2 = tf.keras.layers.Dense(units=10)@tf.function # 计算图模式，导出模型，必须写def call(self, input):x = self.flatten(input)x = self.dense1(x)x = self.dense2(x)output = tf.nn.softmax(x)return output

# 导出模型， 模型目录
tf.saved_model.save(mymodel, "./my_model_path")
# 载入模型
mymodel = tf.saved_model.load('./my_model_path')

• 继承 tf.keras.Model 的模型，重新载入后，无法再使用evaluate，predict方法，可以使用call方法

# tf_2_model_train.py
res = mymodel.call(data_loader.test_data)
print(res)

2. Keras API 模型导出

• Keras Sequential 和 Functional 模式自有的导出格式 .h5（HDF5 格式）

# 模型导出
model.save('catdog.h5')# 模型载入
model = tf.keras.models.load_model('catdog.h5')