Tensorflow2.1 完成权重或模型的保存和加载

下面是关于“Tensorflow2.1 完成权重或模型的保存和加载”的完整攻略。

问题描述

在使用Tensorflow2.1进行深度学习模型训练时，我们需要保存和加载模型的权重或整个模型。那么，如何在Tensorflow2.1中完成权重或模型的保存和加载呢？

解决方法

在Tensorflow2.1中，我们可以使用tf.keras.models模块中的save()和load_weights()函数来完成模型的保存和加载。

保存模型

以下是保存模型的示例：

import tensorflow as tf

model = tf.keras.Sequential([
  tf.keras.layers.Dense(64, activation='relu'),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=10, batch_size=32, validation_data=(x_test, y_test))

model.save('my_model.h5')

在上面的示例中，我们使用Sequential模型训练了一个简单的神经网络，并将其保存为my_model.h5文件。

加载模型

以下是加载模型的示例：

import tensorflow as tf

model = tf.keras.models.load_model('my_model.h5')
model.summary()

在上面的示例中，我们使用load_model()函数加载了之前保存的my_model.h5文件，并使用summary()函数打印了模型的结构。

保存权重

以下是保存权重的示例：

import tensorflow as tf

model = tf.keras.Sequential([
  tf.keras.layers.Dense(64, activation='relu'),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=10, batch_size=32, validation_data=(x_test, y_test))

model.save_weights('my_model_weights.h5')

在上面的示例中，我们使用Sequential模型训练了一个简单的神经网络，并将其权重保存为my_model_weights.h5文件。

加载权重

以下是加载权重的示例：

import tensorflow as tf

model = tf.keras.Sequential([
  tf.keras.layers.Dense(64, activation='relu'),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

model.load_weights('my_model_weights.h5')

在上面的示例中，我们使用load_weights()函数加载了之前保存的my_model_weights.h5文件。