Запись SavedModel в TensorFlow

Формат SavedModel хранит граф и веса в каталоге, который потом можно загрузить без исходного скрипта. В Keras для каталога такого формата служит метод export у собранной модели.

Соберём маленькую цепочку, один раз прогоним строку признаков и запишем результат в каталог hub_sm:

import os
import shutil
import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(
		2, input_shape=(3,)
	),
	tf.keras.layers.Dense(1),
])
model(tf.constant([[1.0, 0.0, -1.0]]))
path = "hub_sm"
if os.path.isdir(path):
	shutil.rmtree(path)
model.export(path)
print(os.path.isdir(path))
# выведет True

Внутри каталога появляется файл описания графа. Проверим его наличие после записи:

import os
import shutil
import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(
		1, input_shape=(2,)
	),
])
model(tf.constant([[0.5, 1.0]]))
path = "hub_sm"
if os.path.isdir(path):
	shutil.rmtree(path)
model.export(path)
flag = os.path.isfile(
	os.path.join(path, "saved_model.pb")
)
print(flag)
# выведет True

Подготовьте цепочку: блок на 2 числа при трёх признаках и выход на одно значение. После одного прогона сохраните её в каталог task_sm и выведите, создался ли такой каталог.

Соберите модель с одним полносвязным слоем для длины 4. Запишите её в line_sm и выведите результат проверки файла saved_model.pb внутри.

Создайте двухслойную цепочку для двух входов и одного выхода, прогоните строку нулей и перенесите модель в каталог copy_sm. Выведите, остался ли каталог на диске.