.pb 和 .h5 之间的区别

Question

之间的主要区别是什么。tensorflow的pb格式和keras的.h5格式来存储模型？有什么理由选择其中之一吗？

Answer 1

具有不同特征的不同文件格式，都用于tensorflow保存模型（.h5特别是 by keras）。

.pb - protobuf

它是一种存储一些结构化数据（在本例中为神经网络）的方法，该项目是开源的，目前由 Google 进行概述。

例子

person {
  name: "John Doe"
  email: "jdoe@example.com"
}

Simpleclass包含两个字段，您可以使用多种支持的语言之一（例如C++, Go）加载它，解析、修改并以二进制格式发送给其他人。

好处

• 非常小且解析效率高（与 say 相比.xml），因此通常用于通过网络传输数据
• 当您想将模型投入生产时，由Tensorflow 的 Serving使用（例如通过网络进行推理）
• 语言不可知 - 二进制格式可以被多种语言（Java、Python、Objective-C 和 C++ 等）读取
• 建议使用以来tf2.0，您可以查看官方序列化指南
• 保存各种元数据（优化器、损失等，如果使用keras's 模型）

缺点

• SavedModel 在概念上比单个文件更难掌握
• 创建文件夹的地方weights是

来源

您可以在此处阅读有关此格式的信息

.h5 - HDF5 二进制数据格式

最初keras用于保存模型（keras现在正式成为 的一部分tensorflow）。与.pb.

好处

• 用于保存巨量数据（所以一些神经网络会很适合）
• 常用文件保存格式
• 保存在一个文件中的所有内容（权重、损失、使用的优化器keras等）

缺点

• 不能与 with 一起使用，Tensorflow Serving但您可以简单地将其转换为.pbviakeras.experimental.export_saved_model(model, 'path_to_saved_model')

总而言之

.h5如果您不需要生产模型（或者距离相当远），请使用更简单的 ( )。使用.pb如果你要进行生产，或者只是想在所有单格式规范tensorflow提供的工具。