在TF2中，不使用tf.keras API時如何保存模型/權重？

Question

在文檔中，它們似乎專注於如何保存和恢復tf.keras.models，但是我想知道如何通過一些基本的迭代循環來保存和恢復經過定制訓練的模型？

現在沒有圖或會話了，我們如何保存在不使用層抽象的情況下自定義構建的tf函數中定義的結構？

Answer 1

您可以通過使用Tensorflow 1.x中的類似方式來執行此操作-通過使用檢查點對象以及Tensorflow 2.0中引入的新聞（檢查點管理器）。

ckpt = tf.train.Checkpoint(step=tf.Variable(1), optimizer=opt, net=net)
manager = tf.train.CheckpointManager(ckpt, './tf_ckpts', max_to_keep=3)
ckpt.restore(manager.latest_checkpoint)
if manager.latest_checkpoint:
  print("Restored from {}".format(manager.latest_checkpoint))
else:
  print("Initializing from scratch.")

for example in toy_dataset():
  loss = train_step(net, example, opt)

您可以看一下“ 培訓檢查點”指南