.pb和.h5之间的区别

Question

张量流的。 pb 格式和keras的 .h5 格式存储模型之间的主要区别是什么？有什么理由选择一个？

Answer 1

具有不同特征的不同文件格式，tensorflow都使用它们来保存模型（.h5特别是keras用于保存模型）。

.pb-protobuf

这是一种存储结构化数据（在这种情况下为神经网络）的方法，项目为open source，目前由Google概述。

示例

person {
  name: "John Doe"
  email: "jdoe@example.com"
}

包含两个字段的简单class，您可以用多种支​​持的语言（例如C++，Go）将其加载，解析，修改并以二进制格式发送给其他人。

优势

• 解析力极小且有效（与说.xml相比），因此通常用于网络上的数据传输
• Tensorflow's Serving在要将模型投入生产（例如，通过网络进行推理）时使用
• 不可知的语言-二进制格式可以由多种语言（Java，Python，Objective-C和C ++等）读取
• 自tf2.0开始建议使用，您可以看到official serializing guide
• 保存各种元数据（如果使用keras的模型，则可节省优化工具，损失等）

缺点

• SavedModel在概念上比单个文件更难掌握
• 创建weights所在的文件夹

来源

您可以阅读有关here这种格式的信息

.h5-HDF5二进制数据格式

keras最初用于保存模型（keras现在是tensorflow的正式组成部分）。与.pb相比，它不那么通用，更“面向数据”，程序设计也更少。

优势

• 用于保存巨型数据（因此某些神经网络很适合）
• 常用文件保存格式
• 所有内容都保存在一个文件中（权重，损失，与keras一起使用的优化程序等）

缺点

• 无法与Tensorflow Serving一起使用，但您可以通过.pb将该变量简单地转换为keras.experimental.export_saved_model(model, 'path_to_saved_model')

全部

如果不需要生产模型（或者距离合理很远），请使用较简单的模型（.h5。如果您要进行生产，或者只是想在所有.pb提供的工具中使用单一格式进行标准化，则使用tensorflow。