有没有办法在训练完成后使用 tf.keras 模型子类化 API 保存整个模型构建?我知道我们只能使用 save_weights 来保存权重,但是有没有办法保存整个模型,以便以后在没有可用代码时可以使用它进行预测?
class MyModel(tf.keras.Model):
def __init__(self, num_classes=10):
super(MyModel, self).__init__(name='my_model')
self.num_classes = num_classes
# Define your layers here.
self.dense_1 = layers.Dense(32, activation='relu')
self.dense_2 = layers.Dense(num_classes, activation='sigmoid')
def call(self, inputs):
# Define your forward pass here,
# using layers you previously defined (in `__init__`).
x = self.dense_1(inputs)
return self.dense_2(x)
model = MyModel(num_classes=10)
# The compile step specifies the training configuration.
model.compile(optimizer=tf.keras.optimizers.RMSprop(0.001),
loss='categorical_crossentropy',
metrics=['accuracy'])
model.fit(data, labels, batch_size=32, epochs=5)
您可以使用以下步骤在训练、加载和推理后保存模型:
训练后保存模型
model.save(filepath="model")
# OR
tf.keras.models.save_model(model, filepath="model_")
加载保存的模型
loaded_model = tf.keras.models.load_model(filepath="model_")
使用加载模型进行预测
result = loaded_model.predict(test_db)