TensorFlow2.0：模型保存与序列化

重磅干货，第一时间送达

模型训练好之后，我们就要想办法将其持久化保存下来，不然关机或者程序退出后模型就不复存在了。本文介绍两种持久化保存模型的方法：

在介绍这两种方法之前，我们得先创建并训练好一个模型，还是以mnist手写数字识别数据集训练模型为例：

方法一：model.save()

通过模型自带的save()方法可以将模型保存到一个指定文件中，保存的内容包括：

模型的结构

模型的权重参数

通过compile()方法配置的模型训练参数

优化器及其状态

新加载出来的new_model在结构、功能、参数各方面与model是一样的。

通过save()方法，也可以将模型保存为SavedModel 格式。SavedModel格式是TensorFlow所特有的一种序列化文件格式，其他编程语言实现的TensorFlow中同样支持：

方法二：model.save_weights()

save()方法会保留模型的所有信息，但有时候，我们仅对部分信息感兴趣，例如仅对模型的权重参数感兴趣，那么就可以通过save_weights()方法进行保存。

注：本系列所有博客将持续更新并发布在github上，您可以通过github下载本系列所有文章笔记文件。

https://github.com/ChenHuabin321/tensorflow2_tutorials

作者博客：

https://www.cnblogs.com/chenhuabin

戳一下右下角在看，小小举动，大大支持～