前言

不知道大家研究過沒有，tensorflow模型有三種保存方式：

• 訓(xùn)練時我們會一般會將模型保存成：checkpoint文件
• 為了方便python，C++或者其他語言部署你的模型，你可以將模型保存成一個既包含網(wǎng)絡(luò)結(jié)構(gòu)又包含權(quán)重參數(shù)的：PB文件
• 為了方便使用TensorFlow Serving 部署你的模型，你可以將模型保存成：Saved_model文件

博主是keras（tensorflow ）的深度用戶，經(jīng)常把模型保存成HDF5格式。那么問題來了，如何把keras的模型轉(zhuǎn)化成PB文件 或者 Saved_model文件供生成部署使用。今天博主就是來介紹一下如何將Keras的模型保存成PB文件 或者 Saved_model文件。

定義BERT二分類模型

下方函數(shù)定義的是一個標(biāo)準(zhǔn)的BERT做文本二分類的圖結(jié)構(gòu)。

 

from keras.models import Model from keras.layers import * from keras import backend as K import tensorflow as tf from keras_bert import get_model,compile_modeldef load_bert_model_weight(bert_model_path):b_model = get_model(token_num=21128,)compile_model(b_model)bert_model = Model(inputs = b_model.input[:2],outputs = b_model.get

總結(jié)

以上是生活随笔為你收集整理的tensorflow从入门到精通100讲（六）-在TensorFlow Serving/Docker中做keras 模型部署的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。