[英]Saving Tensorflow models with custom layers
我通读了文档,但对我来说有些不清楚:如果我编写了一个自定义层然后在模型中使用它,我可以将模型保存为 SavedModel 并且自定义层自动进入其中还是我必须这样做也保存自定义图层? 我尝试仅以 H5 格式保存模型而不是自定义图层。 当我尝试加载模型时,我在自定义图层上出现错误,无法识别或类似的错误。 通读文档,我发现将自定义对象保存为 H5 格式要复杂一些。 但是它如何与 SavedModels 一起工作?
如果我理解你的问题,你应该简单地使用tf.keras.models.save_model(<model_object>,'file_name',save_format='tf')
。
我的理解是“tf”格式会自动保存自定义图层,因此加载不需要所有库都存在。 这不会扩展到所有自定义对象,但我不知道区别在哪里。 如果要加载使用非层自定义对象的模型,则必须使用tf.keras.models.load_model()
的custom_objects
参数。 仅当您想在加载后立即训练时才需要这样做。 如果您不打算立即训练模型,您应该可以放弃custom_objects
并在load_model
设置compile=False
。
如果你想使用“h5”格式,你应该让自定义对象使用的所有库/模块/包都存在并加载,以便“h5”加载工作。 我知道我以前用初始化器做过这件事。 这对于图层可能无关紧要,但我认为它确实如此。
您还需要在自定义对象定义中实现get_config()
和save_config()
函数,以便“h5”正确保存和加载。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.