Запись весов в TensorFlow

Метод save_weights переносит текущие параметры модели в файл на диске. Архитектуру цепочки он не сохраняет - только числа, которые лежат в слоях на момент вызова.

Создадим модель, прогоним одну строку и запишем параметры в файл weights.weights.h5:

import os
import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(2,)),
])
row = tf.constant([[1.0, 2.0]])
model(row)
model.save_weights("weights.weights.h5")
print(os.path.isfile("weights.weights.h5"))
# выведет True

Имя файла задают строкой. После записи тот же путь передают при чтении в другую модель той же структуры. Перед повторной записи в тот же файл старый можно удалить вручную, если он больше не нужен.

import os
import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,)),
])
model(tf.constant([[0.5, 1.0, -0.5]]))
path = "copy.weights.h5"
if os.path.isfile(path):
	os.remove(path)
model.save_weights(path)
print(os.path.isfile(path))
# выведет True

Подготовьте цепочку с одним полносвязным блоком на 1 выход для двух признаков. Прогоните строку [2.0, -1.0] и сохраните параметры в файл task1.weights.h5. Выведите, появился ли такой файл в текущей папке.

Соберите модель из блока на 3 числа для входа длины 2. После одного прогона запишите параметры в task2.weights.h5 и выведите имя файла, если он есть на диске.

Создайте цепочку: первый блок на 2 выхода при 4 признаках, второй - на одно число. Подайте одну строку нулей длины 4, сохраните параметры в chain.weights.h5 и выведите результат проверки наличия файла.