tf.keras模型储蓄差异

Question

我注意到tf.keras中可用的两个储蓄函数之间的差异，两者似乎都在做相同的事情，我想知道实际的区别是什么。

当我使用以下方法保存模型时，然后通过以下方法计算其大小：

model.save(path)


print("Size of the model: %.2f Mb" % (os.path.getsize(path) / float(2**20)))

我有：

型号尺寸: 172.13 Mb

但是如果现在我尝试使用这个函数：

tf.keras.models.save_model(model, path)

我有：

型号尺寸:57.39Mb

通过查看Keras和tf.keras的文档，我发现：

tf.keras.models.save_model__：保存的模型包含：-模型的配置(拓扑)-模型的权重-模型的优化器的状态(如果有的话)

和：

model.save()__：保存包含以下内容的Keras模型:模型的体系结构、模型的权重、培训配置(损失、优化器)、优化器的状态。

两者似乎实现了相同的目标，所以我猜想tf.keras.save_model可能会在后台执行一些操作(压缩?)。你知不知道？

Answer 1

如果保存格式为'tf‘，则model.save和模型的model.save源代码最终会导致在tensorflow.python.keras.saving.saved_model包中出现保存的内部方法，或者如果保存格式为'h5’，则会导致hdf5的内部方法。你可能在你的方法上做错了什么。