一般情况下应该不会有什么区别，具体来说我们可以保存整个tf. keras模型--一个是TensorFlow SavedModel，一个是.h5。
如前所述，您有一个keras模型并希望保存其图表。

• Model.save或
• tf.keras.models.save_model

(1)
Model.save(
    filepath,
    overwrite=True,
    include_optimizer=True,
    save_format=None,
    signatures=None,
    options=None,
    save_traces=True,
)

(2)
tf.keras.models.save_model(
    model,
    filepath,
    overwrite=True,
    include_optimizer=True,
    save_format=None,
    signatures=None,
    options=None,
    save_traces=True,
)

(3)
# tf.saved_model.save(model, path_to_dir)
tf.saved_model.save(model,
                    export_dir, 
                    signatures, 
                    options)

正如你所看到的，它们都有相同的参数。我建议选择**（1）或（2），这很容易理解。下面是一个例子，我在CIFAR数据集上训练了一个函数模型，并使用（1）和（2）**方法保存了该模型。

func_model.fit(x_train, y_train, batch_size=128, epochs=2, verbose = 1)
1s/step - loss: 2.7365 - categorical_accuracy: 0.1088
1s/step - loss: 1.8353 - categorical_accuracy: 0.3905

# with (1)
func_model.save('/content/1/', 
                save_format='tf', save_traces=False)
INFO:tensorflow:Assets written to: /content/1/assets
INFO:tensorflow:Assets written to: /content/1/assets

# with (2)
tf.keras.models.save_model(func_model, '/content/2/', 
                           save_format='tf', save_traces=False)
INFO:tensorflow:Assets written to: /content/2/assets
INFO:tensorflow:Assets written to: /content/2/assets

加载并重新培训他们

from tensorflow.keras.models import  load_model

x = load_model('.//1/') 
y = load_model('.//2/')

x.fit(x_train, y_train, batch_size=128, epochs=1, verbose = 1)
1s/step - loss: 1.0963 - categorical_accuracy: 0.6780

y.fit(x_train, y_train, batch_size=128, epochs=1, verbose = 1)
1s/step - loss: 1.0963 - categorical_accuracy: 0.6780

另外注意有一个参数叫save_traces，默认设置为True，我设置为False，因为我不想，新增，据doc：
保存跟踪：（仅适用于SavedModel格式）启用后，SavedModel将存储每个层的函数跟踪。可以禁用此选项，以便仅存储每个层的配置。默认值为True。禁用此选项将缩短序列化时间并减小文件大小，但要求所有自定义层/模型都实现get_config（）方法。
另外，在您保存整个模型时，如果您自定义了类似层的内容，我想提醒您在加载模型时使用custom_object参数。

new_moedl = keras.models.load_model(
    "my_model", custom_objects={"CustomModel": CustomModel}
)

你能查一下这个吗TF2.2：从tensorflow_hub加载保存的模型失败，原因为“AttributeError：“_UserObject”对象没有属性“summary”
向下滚动到@WGierke的答案：

import tensorflow as tf
import tensorflow_hub as hub
    
m = tf.keras.Sequential([hub.KerasLayer("saved_model", trainable=True),
  tf.keras.layers.Dense(10, activation='softmax')
])
m.build([None, 224, 224, 3])
m.summary()