有两种方法可以保存模型：
- ·使用检查点，一种简单的在硬盘上保存变量的方法
- ·使用SavedModel，模型结构及检查点
检查点不包含任何关于模型自身的描述：它们只是一种简单的存储参数并能让开发者正确恢复它的方法。
SavedModel格式在保存参数值的基础上加上了计算过程的序列化描述
在TensorFlow 2.0中可以用两个对象保存和恢复模型参数：
- ·tf.train.Checkpoint是一个基于对象的序列化/反序列化器。
- ·tf.train.CheckpointManager是一个能用tf.train.Checkpoint实例来存储和管理检查点的对象。
文章来源：https://www.toymoban.com/news/detail-504983.html
文章来源地址https://www.toymoban.com/news/detail-504983.html
import tensorflow as tf
from tensorflow.keras.datasets import fashion_mnist
def make_model(n_classes):
return tf.keras.Sequential(
[
tf.keras.layers.Conv2D(
32, (5, 5), activation=tf.nn.relu, input_shape=(28, 28, 1)
),
tf.keras.layers.MaxPool2D((2, 到了这里，关于tensorflow2模型保存和恢复的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
