我正在遵循TensorFlow文档中的“关注神经机器翻译”教程，但无法弄清楚如何将模型另存为SavedModel文件。
在文档中可以看到，我可以很容易地保存检查点，但是afaik在与其他应用程序集成时不是很有用。即使没有使用tf.keras.Model，有人知道保存整个“模型”吗？
文档：https://www.tensorflow.org/tutorials/text/nmt_with_attention
答案 0 :(得分：0)
如here所述，在tensorflow检查点和SavedModel中有2种保存机制。
如果代码（培训课程或此处的教程）始终可用，那么您只需还原并使用带有检查点的模型即可。
为了拥有SavedModel，您需要将代码重写为
class CustomModule(tf.Module)，请注意
保存tf.Module时，将保存通过递归遍历找到的所有tf.Variable属性，tf.function-decorated方法和tf.Module。 （有关此递归遍历的更多信息，请参见Checkpoint教程。）但是，所有Python属性，函数和数据都会丢失。这意味着保存tf.function时，不会保存任何Python代码。 如果没有保存任何Python代码，那么SavedModel如何知道如何还原该函数？ 简而言之，tf.function通过跟踪Python代码以生成ConcreteFunction（tf.Graph周围的可调用包装器）来工作。保存tf.function时，实际上是在保存tf.function的ConcreteFunctions缓存。 要了解有关tf.function和ConcreteFunctions之间关系的更多信息，请参阅tf.function指南。
更多信息here