使用自定义层保存 Tensorflow 模型

Question

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？

Answer 1

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。