如何保存孪生模型的基础网络？

问题描述

我正在尝试构建一个具有相当复杂基础网络的 siamese 模型。构建基础网络后，我使用以下代码构建我的siamese网络：

base_network=create_base_model(0.2)
img1=Input(shape=(256,256,3))
img2=Input(shape=(256,3))
text_input1 = Input(shape=(),dtype=tf.string,name='text_1')
text_input2 = Input(shape=(),name='text_2')
output1= base_network([img1,text_input1])
output2= base_network([img2,text_input2])
distance = Lambda(euclidean_distance)([output1,output2])
siamese_model = Model([[img1,text_input1],[img2,text_input2]],distance)

基础网络的输出形式为 model where

model=Model(inputs=[input1,input2],outputs=[z])

问题是在训练了孪生网络之后，我想使用基础网络的输出作为嵌入，以便我可以运行无监​​督学习算法。但是，在训练 siamese 网络时，我想一次训练它 10 个 epochs，然后保存它并在需要时继续训练。 在这种情况下，当我保存和重新加载 Siamese 模型时，我不确定如何保存/访问基础网络。 例如，我得到了需要 2 个输入的 siamese 模型的以下图（我的基本模型使用 2 个输入，因此从技术上讲，我有 4 个输入，如图所示），但我想使用仅需要 1 个训练后输入的基本模型（技术上为 2，因为我的基本模型使用 2）。

任何人都可以就如何使用保存的 siamese 模型加载更新的基础模型给我建议，或者是否有更好的方法来首先保存它？

非常感谢。

解决方法

if epoch %5 == 0 
   path = f'/tmp/model{epoch}.h5'
   base_network.save(path)

base_network = tf.keras.models.load_model(path)

这样不行吗？