具有不同特性的不同文件格式，均由tensorflow用于保存模型（.h5具体由keras使用）。

.pb-协议缓冲区

这是一种存储一些结构化数据的方式（在这种情况下是一个神经网络），项目是open source，目前由谷歌概述。

示例

person {
  name: "John Doe"
  email: "jdoe@example.com"
}

简单的class包含两个字段，您可以加载它在多种支持的语言之一（例如C++，Go），解析，修改和发送给其他人在二进制格式。

优势

• 非常小，解析起来非常高效（与.xml相比），因此经常用于网络上的数据传输
• Tensorflow's Serving在您希望将模型用于生产时使用（例如，通过Web进行推理）
• 语言不可知-二进制格式可以被多种语言读取（Java、Python、Objective-C和C++等）
• 建议自tf2.0起使用，您可以看到official serializing guide
• 保存各种元数据（如果使用keras的模型，优化器，损失等）

缺点

• SavedModel在概念上比单个文件更难理解
• 创建weights所在的文件夹

来源

您可以阅读有关here的信息

.h5-HDF 5二进制数据格式#

最初由keras用来保存模型（keras现在正式成为tensorflow的一部分）。它不那么通用，更“面向数据”，比.pb少编程。

优势

• 用于保存大量数据（以便某些神经网络能够很好地拟合）
• 常用文件保存格式
• 将所有内容保存在一个文件中（重量、损耗、与keras配合使用的优化器等）

缺点

• 不能与Tensorflow Serving一起使用，但您可以通过keras.experimental.export_saved_model(model, 'path_to_saved_model')将其转换为.pb

总而言之

如果你不需要生产化你的模型（或者它离你很远），使用简单的一个（.h5）。如果你打算生产或者只是想在tensorflow提供的所有工具上标准化一种格式，使用.pb。

.pb文件格式用于在Google的TensorFlow框架中存储模型。它是一种二进制文件格式，包含模型的权重沿着有关模型结构和操作的信息。.pb格式旨在快速高效，非常适合在速度和性能非常重要的生产环境中使用。
另一方面，.h5文件格式用于在Keras框架中存储模型。它是一种分层文件格式，允许以一种有组织且易于理解的方式存储模型。.h5格式通常用于开发和实验，因为它允许轻松地保存和加载模型，并提供了一种方便的方式来存储关于模型的附加元数据。
总的来说，.pb和.h5文件格式之间的主要区别在于它们所关联的框架。.pb格式用于TensorFlow，而.h5格式用于Keras。两种格式都有各自的优势和局限性，最佳选择取决于您的应用程序的特定需求。