TensorFlow2.0入门到进阶系列——8_模型保存与部署

ClFH

于 2020-05-20 15:41:50 发布

阅读量837

点赞数

分类专栏： TensorFlow入门到进阶文章标签： tensorflow python 深度学习神经网络

本文链接：https://blog.youkuaiyun.com/Xiaobai_rabbit0/article/details/106232448

版权

本文介绍了TensorFlow2.0中模型的保存、转换为tflite格式以及量化处理的方法，包括使用ModelCheckpoint、model.save_weights()保存模型参数，通过keras将模型转换为SavedModel，并探讨了TensorFlow.js和Android部署模型的流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、实战部分

保存模型
模型转tflite
量化处理
Tensorflow.js部署模型
Android部署模型

1.1、模型保存与部署

在这里插入图片描述

1.2、模型转tflite

在这里插入图片描述

1.3、量化处理

在这里插入图片描述

2、实战

keras-保存参数与保存模型+参数
keras,签名函数到SavedModel
keras,SaveModel,签名函数到具体函数
keras,SaveModel,具体函数到tflite
Tflite量化
Tensorflow js部署模型
Android部署模型

2.1、keras-保存参数与保存模型+参数

2.1.1、保存模型参数

有两种方法

1、使用ModelCheckpoint()函数

keras.callbacks.ModelCheckpoint(output_model_file,
                                    save_best_only = True,
                                    save_weights_only = False)
#其中，save_weights_only = False默认，保存模型结构 + 参数
#save_weights_only = True,只保存参数

最低0.47元/天解锁文章