[深度之眼]TensorFlow2.0項目班-模型保存之AutoGraph

TF的計算圖分爲三種：靜態計算圖（1.x）、動態計算圖（2.x）和 AutoGraph（2.x）
AutoGraph 可以把動態圖轉化爲靜態圖保存，通過@tf.function實現，有以下三個注意事項：

1. 使用 tf 內部函數，避免直接使用python函數，因爲無法嵌入進計算圖
2. 避免定義 tf.Variable, 以爲它是動態的，每次迭代都會更新
3. 不可以修改列表字典等數據結構

代碼：

import tensorflow as tf

fashion = tf.keras.datasets.fashion_mnist
(x_train, y_train),(x_test, y_test) = fashion.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

#子類化模型
class MyModel(tf.keras.Model):
    def __init__(self):
        super(MyModel,self).__init__()
        self.D1 = tf.keras.layers.Flatten()
        self.D2 = tf.keras.layers.Dense(128,activation='relu')
        self.D3 = tf.keras.layers.Dense(10,activation='softmax')
    
    @tf.function(input_signature=[tf.TensorSpec([None,28,28],tf.float32)])
    
    def call(self,inputs):
        x = self.D1(inputs)
        x = self.D2(x)
        x = self.D3(x)
        return x    
    
model = MyModel()

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False),
              metrics=['sparse_categorical_accuracy'])

model.fit(x_train, y_train, batch_size=32, epochs=5, validation_data=(x_test, y_test), validation_freq=1)
model.summary()

tf.saved_model.save(model,'my_saved_model')

保存結果：

保存後可供後續跨平臺使用