一、保存网络权重

.save_weights()

保存网络中所有的 w1,b1,w2,b2…，一些其他细节并不保存

.load_weights()

加载权重文件

del net_name : 删除网络 net_name

删除网络后，要想恢复原始模型，必须建立与之前相同的Sequential

network.save_weights('weights.ckpt')
print('saved weights.')
del network

network = Sequential([layers.Dense(256, activation='relu'),
                     layers.Dense(128, activation='relu'),
                     layers.Dense(64, activation='relu'),
                     layers.Dense(32, activation='relu'),
                     layers.Dense(10)])
network.compile(optimizer=optimizers.Adam(lr=0.01),
		loss=tf.losses.CategoricalCrossentropy(from_logits=True),
		metrics=['accuracy']
	)
network.load_weights('weights.ckpt')
print('loaded weights!')

二、保存网络模型

.save()

保存模型的所有细节，删掉网络后，只需要恢复保存的模型就可使用，不用新建squential。

.load_model()

network.save('model.h5')
print('saved total model.')
del network

print('loaded model from file.')
network = tf.keras.models.load_model('model.h5', compile=False)
network.compile(optimizer=optimizers.Adam(lr=0.01),
        loss=tf.losses.CategoricalCrossentropy(from_logits=True),
        metrics=['accuracy']
    )

三、工业部署保存模型

tf.saved_model.save()

tf.saved_model.load()