用法
save_spec(
dynamic_batch=True
)
参数
-
dynamic_batch
是否将所有返回的tf.TensorSpec
的批量大小设置为None
。 (请注意,使用tf.keras.Input([...], batch_size=X)
定义函数或顺序模型时,将始终保留批量大小)。默认为True
。
返回
-
如果定义了模型输入,则返回一个元组
(args, kwargs)
。args
和kwargs
中的所有元素都是tf.TensorSpec
。如果未定义模型输入,则返回None
。调用模型时会自动设置模型输入model.fit
,model.evaluate
或model.predict
。
以元组 (args, kwargs)
的形式返回调用输入的 tf.TensorSpec
。
该值在第一次调用模型后自动定义。之后,您可以在导出模型以供服务时使用它:
model = tf.keras.Model(...)
@tf.function
def serve(*args, **kwargs):
outputs = model(*args, **kwargs)
# Apply postprocessing steps, or add additional outputs.
...
return outputs
# arg_specs is `[tf.TensorSpec(...), ...]`. kwarg_specs, in this example, is
# an empty dict since functional models do not use keyword arguments.
arg_specs, kwarg_specs = model.save_spec()
model.save(path, signatures={
'serving_default':serve.get_concrete_function(*arg_specs, **kwarg_specs)
})
相关用法
- Python tf.keras.Sequential.save用法及代码示例
- Python tf.keras.Sequential.compile用法及代码示例
- Python tf.keras.Sequential.compute_metrics用法及代码示例
- Python tf.keras.Sequential.compute_loss用法及代码示例
- Python tf.keras.Sequential.reset_metrics用法及代码示例
- Python tf.keras.Sequential用法及代码示例
- Python tf.keras.applications.inception_resnet_v2.preprocess_input用法及代码示例
- Python tf.keras.metrics.Mean.merge_state用法及代码示例
- Python tf.keras.layers.InputLayer用法及代码示例
- Python tf.keras.callbacks.ReduceLROnPlateau用法及代码示例
- Python tf.keras.layers.serialize用法及代码示例
- Python tf.keras.metrics.Hinge用法及代码示例
- Python tf.keras.experimental.WideDeepModel.compute_loss用法及代码示例
- Python tf.keras.metrics.SparseCategoricalAccuracy.merge_state用法及代码示例
- Python tf.keras.metrics.RootMeanSquaredError用法及代码示例
- Python tf.keras.applications.resnet50.preprocess_input用法及代码示例
- Python tf.keras.metrics.SparseCategoricalCrossentropy.merge_state用法及代码示例
- Python tf.keras.metrics.sparse_categorical_accuracy用法及代码示例
- Python tf.keras.layers.Dropout用法及代码示例
- Python tf.keras.activations.softplus用法及代码示例
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_spec。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。