Tensorflow 에서 저장해야 할 것들은 크게 2가지가 있습니다. Graph(Operation, Tenor), Variable

Tensorflow native

Checkpoint

오직 Variable 내 value 만 저장합니다. Graph 는 저장 하지 않습니다.

Checkpoints are just the weights

Save

batch_xs = [0.1, 0.2](/pai-plznw4me/tensorflow_basic/wiki/0.1,-0.2)
dense = Dense(2, 2, 'relu')
print(dense(batch_xs))

chkp_path = 'chk_point'
checkpoint = tf.train.Checkpoint(model=dense)
checkpoint.write(chkp_path)

Load

chkp_path = 'chk_point'
dense = Dense(2, 2, 'relu')
checkpoint = tf.train.Checkpoint(model=dense)
checkpoint.restore(chkp_path)

batch_xs = [0.1, 0.2](/pai-plznw4me/tensorflow_basic/wiki/0.1,-0.2)
print(dense(batch_xs))

SavedModel

Graph 와 tf.Variable 내 변수들을 모두 같이 저장 합니다.

Save

(※ functional graph 을 만들든 아니든 상관없습니다. 또한 Model의 instance 을 만들지 않아도 괜찮습니다.
반면에 tf.Module 을 상속받지 않으면 tf.funtion 내 함수를 한번 실행 해야 합니다. 이게 가능한 이유는 tf.Module 을 상속받은 클래스는 Tensorflow 에서 파이썬 코드를 실행하지 않고 Graph 및 변수를 저장 하기 때문입니다. )

Models and layers can be loaded from this representation without actually making an instance of the class that created it

batch_xs = [0.1, 0.2](/pai-plznw4me/tensorflow_basic/wiki/0.1,-0.2)
dense = Dense(2, 2, 'relu')
tf.saved_model.save(dense, 'model')

Load

new_model = tf.saved_model.load('model')
print(isinstance(new_model, Dense))
# >>> False

is an internal TensorFlow user object 

(※ 복원한 객체는 기존에 생성했던 Dense instance 가 아니다. 생성한 객체는 internal TensorFlow user object 이기 때문이다.)

Keras

Save

class SimpleDNN(tf.keras.models.Model):
   ...

simple_dnn = SimpleDNN()
simple_dnn.save('best_model')

Load

tf.keras.models.load_model('best_model')

Reference

official guide