神经网络模型的加载与保存(基于tensorflow)

北岸&初晴°

已于 2022-08-18 14:58:14 修改

阅读量896

点赞数

文章标签： tensorflow 神经网络人工智能

于 2022-08-18 14:51:23 首次发布

原文链接：https://www.bilibili.com/video/BV1HV411q7xD?p=81&vd_source=ae9bf6541aac4484eda8eaed8d4bdbf9

版权

本文介绍了神经网络模型的三种保存与加载方法：仅保存权重、保存完整模型以及使用saved_model格式。对于轻量级应用，可以只保存权重，但在需要完整模型结构时，应当保存整个模型。saved_model格式适用于工业部署，能够被不同语言调用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

神经网络模型的加载与保存

方式一：只保存权重，save/load weights

注：只保存权重，不保存模型，轻量级，要求复现的模型与原模型完全相同

// 模型的保存与下载步骤
// save the weights
model.save_weights("./checkpoints/my_checkpoint")
//restore the weights
model = create_model()
model.load_weights("./checkpoints/my_checkpoint")
//evaluate model
loss, acc = model.evaluate(test_images, test_labels)
print( "Restored model,accuracy: {:5.2f}%".format( 100*acc))

// 方法一示例
network.save_weights( 'weights.ckpt ')print( 'saved weights.')
del network
network = Sequential([layers.Dense(256,activation='relu'),
					  layers.Dense(128,activation='relu'),
					  layers.Dense(64,activation='relu'),
					  layers.Dense(32,activation='relu '),
					  layers.Dense(10)])
network.compile(optimizer=optimizers.Adam(lr=0.01),
	       loss=tf.losses.CategoricalCrossentropy(from_logits=True),
	       metrics=['accuracy'])
network.load_weights('weights.ckpt')
network.evaluate(ds_val)

方式二: 将权重与模型一同保存，save/load total model

注：模型与权重均保存，占用空间大，不需要复现原模型

// 模型的保存与下载步骤：
network.save('model.h5')
print('saved total model.')
del network
print('load model from file')
network = tf.keras.models.load_model('model.h5 ')
network.evaluate(x_val, y_val)

方式三: 可用于工业部署的方法，saved_model

注：很常用，用于工业环境的部署，可以被其他语言使用

// 模型的保存与下载步骤：
tf.saved_model.save(m,'/tmp/saved_model/')
imported = tf.saved_model.load(path)
f = imported.signatures["serving_default"]
print(f(x=tf.ones([1，28，28，3])))