如何保存和加载具有 feature_layer 的 tensorflow 模型？

Question

我正在使用我自己的数据集来学习本教程：https://www.tensorflow.org/tutorials/load_data/csv。 这是我对模型的顺序：

model = keras.Sequential([
    keras.layers.Dense(128, activation='relu', input_shape=[1]),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(256, activation='relu'),
    keras.layers.Dense(1, activation='sigmoid')
    ])

现在，我想保存经过训练的模型，以便在其他程序中使用该模型。

我使用的第一种方法是使用检查点回调。

checkpoint_path = "training_1/cp.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)

cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path,
                                                 save_weights_only=True,
                                                 verbose=1, period=10)


def train():
    model.fit(train_data, epochs=50)#, callbacks=[cp_callback])
    test_loss, test_acc = model.evaluate([[0],[0.4],[0.6],[1],[4.56],[2.1]],  [[0],[0],[1],[1],[1],[0]])
    print('\nTest accuracy:', test_acc)

但是，这不起作用，因为在我想使用模型的其他程序中，我无法复制模型的确切形状：

def create_model():
  model = keras.Sequential([
    keras.layers.Dense(128, activation='relu', input_shape=[1]),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(256, activation='relu'),
    keras.layers.Dense(1, activation='sigmoid')
    ])

我也试过这个：

numeric_column = tf.feature_column.numeric_column('numeric', shape=[1])
numeric_columns = [numeric_column]

preprocessing_layer = tf.keras.layers.DenseFeatures(numeric_columns)

def create_model():
  model = keras.Sequential([
    preprocessing_layer,
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(256, activation='relu'),
    keras.layers.Dense(1, activation='sigmoid')
    ])

...但它仍然没有工作。

在那之后，我尝试使用model.save("myModel.h5")，但这根本不会保存，现在我迷路了。

请帮忙。谢谢你。

Answer 1

试试Saver类成员函数：saver.save和saver.restore。 请参阅此tutorial 以获得明确的说明。