Функция saved_model.save

Функция saved_model.save сохраняет модель TensorFlow в формате SavedModel. Первым параметром функция принимает объект модели, вторым - путь к директории для сохранения. Третьим параметром можно передать список сигнатур для экспорта. Формат SavedModel содержит полное описание графа вычислений, веса модели и метаданные, что позволяет загрузить модель без исходного кода.

Синтаксис

tf.saved_model.save(obj, export_dir, [signatures])

Пример

Давайте создадим простую модель и сохраним ее в директорию 'my_model':

import tensorflow as tf

model = tf.keras.Sequential([
	tf.keras.layers.Dense(3, input_shape=(5,))
])

tf.saved_model.save(model, 'my_model')
print("Model saved")

Результат выполнения кода:

"Model saved"

Пример

Давайте создадим модель с сигнатурой и сохраним ее с явным указанием функции:

import tensorflow as tf

class MyModel(tf.Module):
	def __init__(self):
		super().__init__()
		self.w = tf.Variable(tf.constant([1.0, 2.0, 3.0]))
	
	@tf.function(input_signature=[tf.TensorSpec(shape=[None], dtype=tf.float32)])
	def __call__(self, x):
		return x * self.w

model = MyModel()
tf.saved_model.save(model, 'my_model', signatures={'serving_default': model.__call__})
print("Model with signature saved")

Результат выполнения кода:

"Model with signature saved"

Пример

Давайте сохраним модель Keras и проверим содержимое директории:

import tensorflow as tf
import os

model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,)),
	tf.keras.layers.Dense(1)
])

tf.saved_model.save(model, 'saved_keras_model')
print(sorted(os.listdir('saved_keras_model')))

Результат выполнения кода:

['assets', 'fingerprint.pb', 'saved_model.pb', 'variables']

Смотрите также

функцию saved_model.load,
которая загружает модель из формата SavedModel
класс SaveOptions,
который задает опции сохранения модели
функцию write_file,
которая записывает данные в файл
функцию read_file,
которая читает данные из файла