31、神经网络模型的保存、回调与超参数调优

神经网络模型的保存、回调与超参数调优

1. 模型保存

在处理大规模模型时，资产目录（assets directory）可能包含额外的文件，如数据样本、特征名称、类名等。默认情况下，资产目录为空。由于优化器及其超参数和状态也会被保存，加载模型后可按需继续训练。

保存模型有不同的格式：
- 若设置 save_format="h5" 或使用以 .h5 、 .hdf5 或 .keras 结尾的文件名，Keras 会使用基于 HDF5 格式的特定格式将模型保存为单个文件。
- 大多数 TensorFlow 部署工具需要 SavedModel 格式。

保存和加载模型的代码示例如下：

# 保存模型
# 代码中未给出保存模型的具体代码，一般保存模型示例如下
model.save("my_keras_model.h5")

# 加载模型
model = tf.keras.models.load_model("my_keras_model")
y_pred_main, y_pred_aux = model.predict((X_new_wide, X_new_deep))

此外，还可以使用 save_weights() 和 load_weights() 仅保存和加载参数值，包括连接权重、偏置、预处理统计信息、优化器状态等。参数值会保存在一个或多个文件中，如