有没有办法从模型子分类 API 中保存在 tensorflow 2.0 中构建的 Keras 模型？

Question

有没有办法在训练完成后使用 tf.keras 模型子类 API 保存整个模型构建？我知道我们可以使用 save_weights 来仅保存权重，但是有没有办法保存整个模型，以便稍后在我没有可用代码时可以将其用于预测？

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)

Answer 1

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)

有没有办法从模型子分类 API 中保存在 tensorflow 2.0 中构建的 Keras 模型？

Is there a way to save a Keras model build in tensorflow 2.0 from Model Sub classing API?

python-3.x

deep-learning

tensorflow

tf.keras

tensorflow2.0