如何在TensorFlow中加载最新检查点、续训并保存为完整模型？

一、加载最新检查点从断点继续训练 #

你的代码中使用了save_weights_only=True的ModelCheckpoint，仅保存模型权重。续训时需先重建相同结构的模型，再加载最新权重后继续训练：

步骤及代码示例 #

1. 获取最新检查点路径
   用tf.train.latest_checkpoint自动定位指定目录下的最新检查点：

import os
import tensorflow as tf

# 你的checkpoint_path格式需包含占位符（如"chatbot/training/checkpoints/ckpt-{epoch}"）
latest_ckpt = tf.train.latest_checkpoint(os.path.dirname(checkpoint_path))

2. 重建模型并加载权重
   必须创建和训练时完全一致的模型结构，再加载最新权重：

# 重建与训练时相同结构的模型
model = create_model(training, output)

# 加载最新检查点的权重
if latest_ckpt:
    model.load_weights(latest_ckpt)
    print(f"已加载最新检查点: {latest_ckpt}")

3. 继续训练
   直接调用model.fit，保持总epochs数不变（比如你原设置的500），模型会从断点处继续训练：

# 复用原回调函数
cp_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_path, 
    verbose=1, 
    save_weights_only=True,
    save_freq=1*batch_size)

tb_callback = tf.keras.callbacks.TensorBoard(log_dir="chatbot/training/logs", histogram_freq=1, update_freq=1, profile_batch=1)

# 启动续训
model.fit(training, output, epochs=500, batch_size=batch_size, 
          validation_data=(training, output), 
          callbacks=[cp_callback, tb_callback], 
          verbose=1)

二、加载检查点并保存为完整模型 #

若要将权重转换为可直接加载的完整模型，步骤如下：

步骤及代码示例 #

1. 重建模型并加载权重
   和续训步骤一致，先创建相同结构的模型并加载最新权重：

model = create_model(training, output)
latest_ckpt = tf.train.latest_checkpoint(os.path.dirname(checkpoint_path))
model.load_weights(latest_ckpt)

2. 保存为完整模型
   TensorFlow支持两种主流格式：

• SavedModel格式（推荐）：TensorFlow原生格式，支持跨平台部署

  model.save("chatbot/training/full_model")
  

• HDF5格式：单文件存储，适合本地备份

  model.save("chatbot/training/full_model.h5")
  

关键注意事项 #

• 确保create_model返回的模型结构与训练时完全一致，包括层数量、参数、输入输出形状，自定义层需正确注册。
• checkpoint_path必须包含占位符（如{epoch}），否则tf.train.latest_checkpoint无法识别检查点文件。

内容的提问来源于stack exchange，提问作者Dweller