Python tf.keras.experimental.LinearModel.save_spec用法及代碼示例

用法

save_spec(
    dynamic_batch=True
)

參數

dynamic_batch 是否將所有返回的 tf.TensorSpec 的批量大小設置為 None 。 (請注意，使用 tf.keras.Input([...], batch_size=X) 定義函數或順序模型時，將始終保留批量大小)。默認為 True 。

如果定義了模型輸入，則返回一個元組 (args, kwargs) 。 args 和 kwargs 中的所有元素都是 tf.TensorSpec 。如果未定義模型輸入，則返回 None 。調用模型時會自動設置模型輸入 model.fit , model.evaluate 或 model.predict 。

以元組 (args, kwargs) 的形式返回調用輸入的 tf.TensorSpec。

該值在第一次調用模型後自動定義。之後，您可以在導出模型以供服務時使用它：

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)
})

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.experimental.LinearModel.save_spec。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。