tf.saved_model.save(model, path_to_dir) 和 tf.keras.model.save 之间的区别

Question

我有一个 keras 模型，想将其保存为张量流图。tf.saved_model.save(model, path_to_dir)和之间有区别吗tf.keras.model.save。

在这两个中，我想以tensorflow保存的格式保存并且不会使用h5格式。我理解tf.saved_model.save是更通用的，但如果我使用keras模型，这两个无论如何都是不同的。

Answer 1

一般情况下，应该没有什么区别。为了给出具体的答案，我们可以保存整个tf. keras模型——一种是TensorFlow SavedModel，另一种是.h5format。

正如您所说，您有一个keras模型并想要保存其图形。你也可以这样做

• Model.save或者
• tf.keras.models.save_model

(1)
Model.save(
    filepath,
    overwrite=True,
    include_optimizer=True,
    save_format=None,
    signatures=None,
    options=None,
    save_traces=True,
)

(2)
tf.keras.models.save_model(
    model,
    filepath,
    overwrite=True,
    include_optimizer=True,
    save_format=None,
    signatures=None,
    options=None,
    save_traces=True,
)

(3)
# tf.saved_model.save(model, path_to_dir)
tf.saved_model.save(model,
                    export_dir, 
                    signatures, 
                    options)

正如您所看到的，他们都持有相同的论点。我建议选择(1)或(2)，易于遵循。这是一个例子，我在数据集上训练了一个函数模型，并使用（1）和（2）CIFAR方法保存模型，如下所示。

func_model.fit(x_train, y_train, batch_size=128, epochs=2, verbose = 1)
1s/step - loss: 2.7365 - categorical_accuracy: 0.1088
1s/step - loss: 1.8353 - categorical_accuracy: 0.3905

# with (1)
func_model.save('/content/1/', 
                save_format='tf', save_traces=False)
INFO:tensorflow:Assets written to: /content/1/assets
INFO:tensorflow:Assets written to: /content/1/assets

# with (2)
tf.keras.models.save_model(func_model, '/content/2/', 
                           save_format='tf', save_traces=False)
INFO:tensorflow:Assets written to: /content/2/assets
INFO:tensorflow:Assets written to: /content/2/assets

加载并重新训练它们

from tensorflow.keras.models import  load_model

x = load_model('.//1/') 
y = load_model('.//2/')

x.fit(x_train, y_train, batch_size=128, epochs=1, verbose = 1)
1s/step - loss: 1.0963 - categorical_accuracy: 0.6780

y.fit(x_train, y_train, batch_size=128, epochs=1, verbose = 1)
1s/step - loss: 1.0963 - categorical_accuracy: 0.6780

另请注意，有一个名为 的参数save_traces，默认情况下，它设置为True。我把它设置False为我不想的。根据文档，新添加：

save_traces：（仅适用于SavedModel格式）启用后，SavedModel将存储每个层的函数轨迹。可以禁用此功能，以便仅存储每层的配置。默认为 True。禁用此功能将减少序列化时间并减少文件大小，但它要求所有自定义层/模型实现 get_config() 方法。

custom_object另外仅供参考，当您保存整个模型时，如果您有自定义的类似图层的内容，我想提醒您在加载模型时使用该参数。

new_moedl = keras.models.load_model(
    "my_model", custom_objects={"CustomModel": CustomModel}
)