Python tf.keras.Sequential.save用法及代码示例

用法

save(
    filepath, overwrite=True, include_optimizer=True, save_format=None,
    signatures=None, options=None, save_traces=True
)

参数

filepath 字符串、PathLike、SavedModel 或 H5 文件的路径以保存模型。
overwrite 是静默覆盖目标位置的任何现有文件，还是为用户提供手动提示。
include_optimizer 如果为 True，则将优化器的状态一起保存。
save_format 'tf' 或 'h5' ，表示是将模型保存到 Tensorflow SavedModel 还是 HDF5。在 TF 2.X 中默认为 'tf'，在 TF 1.X 中默认为 'h5'。
signatures 使用 SavedModel 保存的签名。仅适用于'tf' 格式。有关详细信息，请参阅tf.saved_model.save 中的signatures 参数。
options (仅适用于 SavedModel 格式)tf.saved_model.SaveOptions 对象，指定保存到 SavedModel 的选项。
save_traces (仅适用于 SavedModel 格式)启用后，SavedModel 将存储每一层的函数轨迹。这可以禁用，以便只存储每一层的配置。默认为 True 。禁用此函数将减少序列化时间并减小文件大小，但它要求所有自定义层/模型都实现get_config() 方法。

将模型保存到 Tensorflow SavedModel 或单个 HDF5 文件。

有关详细信息，请参阅tf.keras.models.save_model 或序列化和保存指南。

例子：

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.Sequential.save。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。