基于keras 模型、結(jié)構(gòu)、權(quán)重保存的實(shí)現(xiàn)
如何將訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行保存,我們可以用pickle或cPickle來(lái)保存Keras模型,同時(shí)我們可以用下面的方法:
一、保存整個(gè)模型
model.save(filepath)將Keras模型和權(quán)重保存在一個(gè)HDF5文件中,該文件將包含:
模型的結(jié)構(gòu)
模型的權(quán)重
訓(xùn)練配置(損失函數(shù),優(yōu)化器,準(zhǔn)確率等)
優(yōu)化器的狀態(tài),以便于從上次訓(xùn)練中斷的地方
前提是已經(jīng)安裝python的h5py包.
from keras.models import load_model
當(dāng)我們?cè)僖淮问褂脮r(shí)可以model.load_model(filepath)載入模型
二、保存模型的結(jié)構(gòu)
model.to_jason()將模型序列化保存為json文件,里面記錄了網(wǎng)絡(luò)的整體結(jié)構(gòu), 各個(gè)層的參數(shù)設(shè)置等信息. 將json字符串保存到文件.
open(‘filename.json','w').write(json_string)
from keras.models import model_form_json
json_string=open('filename.json').read()
model=model_from_json(json_string)
除了json格式,還可以保存為yaml格式的字符串,形式與JSON一樣
三、保存模型權(quán)重
model.save_weights()
我們經(jīng)過(guò)調(diào)參后網(wǎng)絡(luò)的輸出精度比較滿意后,可以將訓(xùn)練好的網(wǎng)絡(luò)權(quán)重參數(shù)保存下 來(lái).可通過(guò)下面的代碼利用HDF5進(jìn)行保存
model.save_weights(‘model_weights.h5')
使用的時(shí)加載模型:
model.load_weights(‘model_weights.h5')
如果你需要加載權(quán)重到不同的網(wǎng)絡(luò)結(jié)構(gòu)(有些層一樣)中,例如fine-tune或transfer-learning,你可以通過(guò)層名字來(lái)加載模型:
model.load_weights('my_model_weights.h5', by_name=True)
因此我們建模時(shí)最好給每個(gè)層定義名字
以上就是我們保存模型的三種方法,需要我們?cè)趯?shí)踐時(shí)多總結(jié)。
這篇基于keras 模型、結(jié)構(gòu)、權(quán)重保存的實(shí)現(xiàn)就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
- keras獲得model中某一層的某一個(gè)Tensor的輸出維度教程
- keras獲得某一層或者某層權(quán)重的輸出實(shí)例
- 淺談keras的深度模型訓(xùn)練過(guò)程及結(jié)果記錄方式
- 關(guān)于Keras模型可視化教程及關(guān)鍵問(wèn)題的解決
- 利用keras加載訓(xùn)練好的.H5文件,并實(shí)現(xiàn)預(yù)測(cè)圖片
- keras模型可視化,層可視化及kernel可視化實(shí)例
- keras 特征圖可視化實(shí)例(中間層)
- 基于keras輸出中間層結(jié)果的2種實(shí)現(xiàn)方式
- PyTorch和Keras計(jì)算模型參數(shù)的例子
- 在keras中獲取某一層上的feature map實(shí)例
相關(guān)文章
PyCharm+Pipenv虛擬環(huán)境開(kāi)發(fā)和依賴管理的教程詳解
這篇文章主要介紹了PyCharm+Pipenv虛擬環(huán)境作開(kāi)發(fā)和依賴管理的教程,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-04-04
python多進(jìn)程實(shí)現(xiàn)進(jìn)程間通信實(shí)例
這篇文章主要介紹了python多進(jìn)程實(shí)現(xiàn)進(jìn)程間通信實(shí)例,具有一定參考價(jià)值,需要的朋友可以了解下。2017-11-11
Python調(diào)用高德API實(shí)現(xiàn)批量地址轉(zhuǎn)經(jīng)緯度并寫(xiě)入表格的功能
這篇文章主要介紹了Python調(diào)用高德API實(shí)現(xiàn)批量地址轉(zhuǎn)經(jīng)緯度并寫(xiě)入表格的功能,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-01-01
如何以Winsows Service方式運(yùn)行JupyterLab
這篇文章主要介紹了如何以Winsows Service方式運(yùn)行JupyterLab的教程2020-08-08
用Python實(shí)現(xiàn)一個(gè)簡(jiǎn)單的抽獎(jiǎng)小程序
最近開(kāi)始學(xué)習(xí)python相關(guān)知識(shí),看最近有不少隨機(jī)抽獎(jiǎng)小程序,自己也做一個(gè)試試,下面這篇文章主要給大家介紹了關(guān)于如何利用Python實(shí)現(xiàn)一個(gè)簡(jiǎn)單的抽獎(jiǎng)小程序的相關(guān)資料,需要的朋友可以參考下2023-05-05
如何使用draw.io插件在vscode中一體化導(dǎo)出高質(zhì)量圖片
這篇文章主要介紹了draw.io插件在vscode中一體化導(dǎo)出高質(zhì)量圖片需要的工具是vscode,?draw.io擴(kuò)展,draw.io桌面版?、python,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒,需要的朋友可以參考下2022-08-08

