36、使用TensorFlow并行化神经网络训练及深入探索

使用TensorFlow并行化神经网络训练及深入探索

1. 模型的保存与加载

在使用TensorFlow进行神经网络训练时，模型的保存和加载是重要的操作。可以通过以下方式保存模型：
- 调用 iris_model.save() 可以同时保存模型架构和所有学习到的参数。
- 若只想保存架构，可使用 iris_model.to_json() 方法，它会以JSON格式保存模型配置。
- 若只想保存模型权重，可调用 iris_model.save_weights() 。保存格式可以指定为’HDF5’格式的’h5’或TensorFlow格式的’tf’。

加载保存的模型也很简单，由于之前同时保存了模型架构和权重，只需一行代码即可重新构建并加载参数：

iris_model_new = tf.keras.models.load_model('iris-classifier.h5')

可以通过调用 iris_model_new.summary() 来验证模型架构。最后，在测试数据集上评估重新加载的新模型，以验证结果是否与之前相同：

results = iris_model_new.evaluate(ds_test.batch(33), verbose=0)
print('Test loss: {:.4f}   Test Acc.: {:.4f}'.format(*resu