模型训练需构建高效数据流水线、选择匹配损失函数与优化器、监控收敛；保存推荐savedmodel格式；推理注重性能优化；排查问题需检查学习率、数据划分、激活函数等。
模型训练：从数据准备到收敛监控
训练模型的核心是让网络学会从输入映射到目标输出。先用 tf.data.Dataset 构建高效数据流水线，支持批处理、打乱、预取和并行解析。图像任务中常用 tf.image 做归一化（如除以255.0）和基础增强（随机翻转、裁剪）；文本任务则需统一长度、构建词表、转换为ID序列。
选择合适的损失函数和优化器很关键：分类任务多用 sparse_categorical_crossentropy + Adam；回归任务常用 mean_squared_error。编译模型时记得指定 metrics=['accuracy'] 或其他评估指标，方便实时观察训练效果。
训练过程中建议开启 TensorBoard 回调，记录 loss 和 metrics 变化；搭配 ModelCheckpoint 保存最优权重；必要时用 EarlyStopping 防止过拟合。注意验证集不能参与训练，且划分要保证类别分布均衡（尤其小样本场景）。
模型保存与加载：确保可复现与部署就绪
训练完成后，推荐使用 SavedModel 格式 保存完整模型（含结构、权重、计算图）：
model.save("my_model")
这种方式兼容 TensorFlow Serving、TFLite 和 JavaScript 版本，适合生产环境。若只需权重，可用 model.save_weights("weights.h5")，但加载时需先重建相同结构的模型再载入。
加载 SavedModel 模型非常直接：
loaded_model = tf.keras.models.load_model("my_model")
它会自动恢复所有状态，包括自定义层（只要已注册）和损失函数。注意路径必须存在且有读取权限；跨版本保存/加载时建议固定 TensorFlow 小版本号，避免兼容性问题。
模型推理：本地预测与性能优化要点
推理阶段重在稳定、快速、内存可控。对单样本预测，先用 model.predict() 并确保输入 shape 匹配（如加 batch 维度：np.expand_dims(img, 0)）；批量预测时，batch size 设置不宜过大，防止 OOM，一般从 16 或 32 开始试。
立即学习“Python免费学习笔记（深入）”；
提升推理效率可考虑以下方式：
- 使用 @tf.function 装饰预测函数，将动态图转为静态图加速执行
- 启用 XLA 编译（tf.config.optimizer.set_jit(True)），尤其对 GPU 推理有明显收益
- 对边缘设备部署，导出为 TFLite 模型，并启用量化（如 int8）进一步压缩体积和提速
- 输入数据预处理尽量在 CPU 完成，避免 GPU 上做图像解码或归一化等非计算密集操作
常见问题排查：训练不收敛、预测不准怎么办
训练 loss 不下降？先检查学习率是否过大（尝试降低 10 倍）或过小（loss 几乎不动）；确认标签是否错位（比如用了 one-hot 标签却配 sparse loss）；打印前几条数据和 label，验证输入 pipeline 是否正确。
验证准确率远高于测试准确率？大概率是数据泄露——检查 train/val/test 划分是否严格隔离（特别是时间序列或同源图像）；确认增强仅应用于训练集；验证集是否被意外用于调整超参（应使用独立 test 集终评）。
预测结果全为同一类？查看输出层激活函数是否匹配任务（二分类用 sigmoid，多分类用 softmax）；检查 label 编码是否一致（0-based 还是 1-based）；用 model.summary() 确认最后一层输出维度是否等于类别数。
