트랙 전체를 한 번에 돌리기
이 lesson 은 트랙이 따로따로 소개한 걸 다 꿰매. .keras 포맷 (lesson 1), cross-backend 로드 (lesson 4), export (lesson 5) 는 별개의 세 트릭이 아니야 — 모델을 재학습 한 번 안 하고 빠른 학습 engine 에서 안정적인 serving runtime 까지 옮기는 하나의 파이프라인, 그 세 단계야.
세 단계, 세 context
1 단계 — 제일 빠른 데서 학습. JAX backend 설정하고 모델 빌드·fit 한 다음 model.keras 하나 써. optimizer 상태도 같이 실려서 이 checkpoint 는 완전히 재개 가능. 2 단계 — 안정적인 데서 로드. TensorFlow backend 를 고른 별도 프로세스에서 load_model 이 같은 파일을 읽어. weight 가 backend-agnostic 이라 handoff 에서 잃는 게 없어. 3 단계 — production 용 export. 로드한 모델을 export 로 serving 포맷에 투영하고, TF Serving·TFLite·TF.js 로 ship.
backend 전환이 프로세스 사이에서 일어나는 이유
단계마다 자기 KERAS_BACKEND 를 가진 별도 스크립트인 거 봐. backend 는 import keras 하는 순간 고정돼서 프로그램 중간에 engine 을 못 바꿔 — 전환은 프로세스 경계에 살고, 그 경계를 모델을 온전히 건너게 하는 게 .keras 파일이야. 그 파일이 계약이고, 양쪽 backend 는 교체 가능한 거지.