如何自动检测tf/keras模型对象

Question

我正在为我们的机器学习平台https://iko.ai支持Keras/Tensorflow模型的自动模型检测/记录，我有一些问题：

• 我们定义tf/keras模型的不同方式是什么

  1. tf.keras.Model
  2. tf.Estimator
  3. tensorflow_estimator

• 还有其他我不知道的方法吗？为什么有这么多的方法来做同样的事情

• 保存/加载它们的正确功能是什么

• 我们如何区分TF/Keras模型实例与其他非模型对象？我希望能够编写一个函数来检查对象是否是TF/Keras模型，比如

def is_tf_or_keras_model(obj):
    # check somehow if the obj is a TF/Keras model
    pass

Answer 1

关于问题1和问题2:

表示神经网络模型的另一种方法是使用tf.keras.Sequential。它允许您轻松创建遵循顺序结构的模型，例如：

import tensorflow as tf
# tf.__version__ == 2.4

model_seq = tf.keras.Sequential()
model_seq.add(tf.keras.Input(shape=(64,1)))
model_seq.add(tf.keras.layers.Conv1D(32, 2, activation='relu'))
model_seq.add(tf.keras.layers.Dense(16, activation='relu'))
model_seq.add(tf.keras.layers.Dense(4, activation='softmax'))

这与使用tf.keras函数API相同。这允许构建不遵循顺序结构的更复杂的网络，但当然您也可以构建顺序模型：

i = tf.keras.Input(shape=(64,1))
x = tf.keras.layers.Conv1D(32, 2, activation='relu')(i)
x = tf.keras.layers.Dense(16, activation='relu')(x)
x = tf.keras.layers.Dense(4, activation='softmax')(x)
model_func = tf.keras.Model(inputs=i, outputs=x)

tf.estimator.Estimator用于训练预构建的网络，因此您只需定义一些超参数值并训练开箱即用模型

总之，用于建立模型的方法取决于网络的复杂性/自组织性

关于问题3:

keras实现允许您保存模型的权重（model.save_weights）或保存整个模型（model.save）。要在之后加载模型权重，您需要首先创建模型，遵循用于训练这些权重的模型的相同结构

关于问题4:

model_classes = [tf.keras.Model, keras.Model, tf.estimator.Estimator]

def is_keras_or_tf_model(obj, model_classes):
    return isinstance(obj, model_clases)

我在这里所说的一切都在TensorFlow文件中