TensorFlow.keras模型加载方法及示例

在TensorFlow中，可以使用Keras API来构建和训练神经网络模型。而TensorFlow 2.0开始，Keras已经成为TensorFlow的默认高级API，被称为TensorFlow.keras。

在TensorFlow.keras中，模型的加载可以通过两种方式进行：加载整个模型以及加载模型的权重。

1. 加载整个模型：

要加载整个模型，首先需要将模型保存为.h5或者SavedModel格式的文件。可以使用model.save()方法来保存模型。接下来，可以使用tf.keras.models.load_model()函数来加载模型。

from tensorflow import keras

# 保存模型
model.save('model.h5')

# 加载模型
loaded_model = keras.models.load_model('model.h5')

2. 加载模型的权重：

如果只保存了模型的权重而没有保存整个模型，可以使用model.load_weights()方法来加载权重。可以使用.save_weights()方法来保存模型的权重。

from tensorflow import keras

# 保存模型的权重
model.save_weights('model_weights.h5')

# 加载模型的权重
model.load_weights('model_weights.h5')

以下是一个完整的示例，展示了如何加载整个模型以及加载模型的权重：

from tensorflow import keras

# 构建模型
model = keras.Sequential([
    keras.layers.Dense(64, activation='relu', input_shape=(32,)),
    keras.layers.Dense(64, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
model.fit(data, labels, epochs=10)

# 保存整个模型
model.save('model.h5')

# 加载整个模型
loaded_model = keras.models.load_model('model.h5')

# 保存模型的权重
model.save_weights('model_weights.h5')

# 加载模型的权重
model.load_weights('model_weights.h5')

请注意，加载整个模型时，需要保证模型的结构与保存时的结构完全一致。而加载模型的权重时，只需要保证模型的层次结构相同即可。

以上就是TensorFlow.keras模型加载的方法以及示例，希望可以帮助你加载和使用模型。