TensorFlow的save函数是否自动覆盖旧模型？其保存加载机制如何？

核心覆盖行为结论 #

• 传入相同路径调用save()时，只要显式开启overwrite=True、或者使用.h5/.keras单文件保存格式，会直接全量替换路径下的旧模型文件，没有内置的旧版本自动留存逻辑。
• 重新训练后用同路径覆盖保存，后续调用load_model()加载该路径，得到的一定是本次保存时刻的最新模型状态，绝对不会出现新旧模型参数合并、加载到“同数据重复训练两次模型”的情况——覆盖是文件级的全量替换，不存在参数叠加。
• 旧模型不会被自动转存到其他隐藏位置：如果没有手动给不同版本模型设置不同保存路径，也没有开启Checkpoint回调的多副本保存规则，旧模型被覆盖后不会在本地留下任何备份。

踩坑提示：TensorFlow 2.4及更早版本中，使用默认的SavedModel目录格式保存时，只要目标路径已存在就会直接抛出IO报错，不会静默覆盖。遇到这类报错要么手动删除旧的模型目录，要么给save()传入overwrite=True参数即可正常执行覆盖保存。

未触发覆盖时的保存/加载系统工作逻辑 #

当你没有开启覆盖参数、或者传入的目标路径不存在时，整个保存加载流程是和传入路径严格一一对应的：

• 保存阶段：save()只会向你传入的目标路径写入当前模型的全量数据，包括模型网络结构、权重参数、优化器状态、自定义对象配置信息，不会修改其他路径下的任何文件。如果目标路径已存在且未开启覆盖，直接抛出异常终止，不会做任何写入操作。
• 加载阶段：load_model()只会严格读取传入路径下存储的模型文件，不会自动扫描本地其他位置的历史版本模型，路径下存储的是什么版本，加载得到的就是什么版本。
• 如果需要留存多轮训练的模型版本，不需要依赖save()的内置逻辑，手动给保存路径加版本标识即可，参考写法：

# 第一轮训练完成保存v1版本
model.fit(train_data, epochs=10)
model.save("./my_model_v1")

# 追加训练完成保存v2版本
model.fit(extra_train_data, epochs=5)
model.save("./my_model_v2")

• 你在Stack Overflow上看到的“修改保存副本数量”相关问题，全部是针对ModelCheckpoint训练回调的配置，和model.save()本身的逻辑无关：这个回调默认在每个epoch结束保存模型时也是覆盖同路径文件，只有两种情况会生成多副本：一是保存路径带{epoch}、{val_accuracy}这类动态占位符，每个epoch会生成独立路径的模型文件；二是开启save_best_only=True时，会自动保留验证集指标最优的版本，不会留存所有训练过程的中间版本。

内容的提问来源于stack exchange，提问作者Adam Karaban