tf.keras.models.save_model

Сохраняет модель в виде TensorFlow SavedModel или файла HDF5.

tf.keras.models.save_model(
    model,
    filepath,
    overwrite=True,
    include_optimizer=True,
    save_format=None,
    signatures=None,
    options=None,
    save_traces=True
)

См. Руководство по сериализации и сохранению для получения подробной информации.

Использование:

model = tf.keras.Sequential([
    tf.keras.layers.Dense(5, input_shape=(3,)),
    tf.keras.layers.Softmax()])
model.save('/tmp/model')
loaded_model = tf.keras.models.load_model('/tmp/model')
x = tf.random.uniform((10, 3))
assert np.allclose(model.predict(x), loaded_model.predict(x))

Обратите внимание, что model.save() является псевдонимом для tf.keras.models.save_model().

Файл SavedModel и HDF5 содержит:

• конфигурацию модели (топологию)
• веса модели
• состояние оптимизатора модели (если есть)

Таким образом, модели можно повторно создать в точно таком же состоянии без какого-либо кода, используемого для определения или обучения модели.

Обратите внимание, что веса модели могут иметь разные имена с областями видимости после загрузки. Имена с областями видимости включают имена модели/слоя, такие как "dense_1/kernel:0". Рекомендуется использовать свойства слоя для доступа к определённым переменным, например, model.get_layer("dense_1").kernel.

Формат сериализации SavedModel

Keras SavedModel использует tf.saved_model.save для сохранения модели и всех отслеживаемых объектов, присоединённых к модели (например, слоев и переменных). Конфигурация модели, веса и оптимизатор сохраняются в SavedModel. Кроме того, для каждого слоя Keras, присоединённого к модели, SavedModel сохраняет:

• конфигурацию и метаданные — например, имя, тип данных, статус обучения
• трассированные функции вызова и функции потерь, которые хранятся в виде подграфов TensorFlow.

Трассированные функции позволяют формату SavedModel сохранять и загружать пользовательские слои без исходного определения класса.

Вы можете выбрать, не сохранять ли трассированные функции, отключив опцию save_traces. Это уменьшит время сохранения модели и занимаемое место на диске результатом SavedModel. Если вы включите эту опцию, вам необходимо предоставить все пользовательские определения классов при загрузке модели. См. аргумент custom_objects в tf.keras.models.load_model.