python - model.save_weights(save_format='tf') 是否保存优化器状态？

Question

我正在尝试Keras在TF2.1. 为此，我编写了一个自定义损失函数。我的目标是在每个epoch. 为此，我正在使用tf.keras.callbacks.ModelCheckpoint.

tf.keras.callbacks.ModelCheckpoint(
    filepath, monitor='val_loss', verbose=0, save_best_only=False,
    save_weights_only=False, mode='auto', save_freq='epoch', options=None, **kwargs
)

为了以后继续训练，我需要保存optimizer状态。保存状态的可靠方法optimizer是通过save_weights_only=False，并使用'tf'或'h5'save_format 保存整个模型。我在这里读到，TensorflowSavedModel格式是保存模型的推荐方法。但是，由于某种原因，使用该格式需要很多时间，每当模型在每个末尾保存时（另一方面，save_format='h5'保存整个模型非常快）。现在，当我save_weights_only=True使用'tf'格式传递时，它会将权重保存为检查点。我在想，如果save_weights_only=True, save_format='tf'还保存optimizer状态？[据我所知，save_weights_only=True, save_format='h5'只保存权重而不是优化器。]

如果有人能澄清这一点，我会很高兴，或者指出我在某个地方是否错了。

标签： pythonmachine-learningkerastensorflow2.0