TensorFlow使用model.save('my_model.h5')保存模型的路径及重复运行是否覆盖旧文件

模型文件的实际存储路径 #

• 代码里写的'my_model.h5'是相对路径，文件最终的存储位置和你执行这段保存代码时的Python运行工作目录直接绑定，没有固定的默认绝对路径。
• 对应不同运行场景的实际路径参考：如果你在本地终端执行训练脚本，文件存在终端当前的运行路径下；如果你用IDE运行代码，文件存在IDE配置的项目根目录下；如果你在Jupyter Notebook里运行代码，文件存在Notebook对应的当前工作目录下。
• 如果找不到生成的模型文件，直接在同一运行环境里执行两行代码就能拿到准确的绝对路径：
  import os
print(os.path.abspath('my_model.h5'))
  控制台输出的内容就是模型文件的完整存储位置。

重复运行保存代码的文件覆盖行为 #

• 会直接覆盖已有的同名旧模型文件。TensorFlow执行保存逻辑时，只要检测到目标路径下存在同名的my_model.h5，就会无提示、无确认弹窗地直接写入新内容替换旧文件，不会自动给旧文件做备份，也不会自动把新文件重命名成带后缀的新文件。
• 想要避免误覆盖的话，可以在保存时给文件名加上版本标识（比如my_model_v1.h5、my_model_v2_20240520.h5），也可以在保存前加一段路径判断逻辑，检测到同名文件存在时自动给文件名加递增序号再执行保存。

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