当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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


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)argskwargs 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.evaluatemodel.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


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。