每次保存时，Tensorflow SavedModel文件大小都会增加

TensorFlow SavedModel是一种用于保存和加载TensorFlow模型的格式。每次保存时，SavedModel文件的大小可能会增加的原因有以下几点：

1. 模型参数的变化：当模型的参数发生变化时，SavedModel文件的大小会增加。模型参数是模型训练过程中学习到的权重和偏置等参数，它们决定了模型的性能和预测能力。如果模型的参数发生变化，SavedModel文件需要保存新的参数值，从而导致文件大小增加。
2. 模型结构的变化：当模型的结构发生变化时，SavedModel文件的大小也会增加。模型结构包括网络层的数量、每层的节点数、激活函数等信息。如果模型的结构发生变化，SavedModel文件需要保存新的结构信息，从而导致文件大小增加。
3. 优化和压缩算法：TensorFlow SavedModel文件可以使用不同的优化和压缩算法来减小文件大小。每次保存时，可以选择不同的算法进行优化和压缩，从而影响文件大小。一些常见的优化和压缩算法包括权重剪枝、量化和压缩算法等。
4. 数据的增加：如果每次保存时输入的数据量增加，SavedModel文件的大小也会相应增加。输入数据是用于训练和测试模型的数据集，它们在SavedModel文件中被保存为模型的一部分。如果输入数据量增加，SavedModel文件需要保存更多的数据，从而导致文件大小增加。

总结起来，每次保存TensorFlow SavedModel时，文件大小的增加可能是由于模型参数和结构的变化、优化和压缩算法的选择以及输入数据量的增加等因素导致的。为了减小SavedModel文件的大小，可以考虑使用合适的优化和压缩算法，并且定期清理不再需要的模型参数和结构信息。