Python 在TF2中使用自定义训练循环时，如何保存所有变量（不仅仅是净变量）以恢复训练？

我正在使用自定义训练循环训练TF2中的模型。我希望能够在给定时刻保存我的优化状态，以便以后能够重新启动它。要保存的变量包括模型参数、优化变量以及一些其他变量

在TF1中，这实际上甚至不是一个问题，因为默认情况下会保存所有变量

现在，如何在TF2中实现这一点

根据指南，在TF2中，保存是通过Keras公开的功能完成的，可以使用特定的回调或模型方法。这两种方法都可以节省更多的净参数，但要实现这一点，需要使用tf.model.compile编译模型，以便将所有内容捆绑在一起。然而，使用定制的训练循环，完全不需要编译

那么，如何保存我的所有变量，以便在未使用正确的编译/拟合路径时能够恢复训练？

使用tf.train.Checkpoint并将所有要保存的变量放入此函数

tf.train.Checkpoint(model=model, optimizer=optimizer, [xx=xx])

更多细节请看这个