在TensorFlow中，可以使用tf.keras.models.save_model()函數保存模型。以下是一個保存模型的示例代碼：
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
# 創建一個簡單的神經網絡模型
model = Sequential([
Dense(10, activation='relu', input_shape=(784,)),
Dense(10, activation='softmax')
])
# 編譯模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
# 訓練模型
model.fit(x_train, y_train, epochs=10)
# 保存模型
model.save('my_model.h5')
在這個示例中，我們首先創建了一個簡單的神經網絡模型，編譯并訓練模型。然后使用model.save()函數保存模型為名為’my_model.h5’的HDF5文件。可以使用tf.keras.models.load_model()函數加載保存的模型。
