Keras保存和载入训练好的模型和参数

1.保存模型

my_model = create_model_function( ...... )my_model.compile( ...... )my_model.fit( ...... )model_name . save( filepath, overwrite: bool=True, include_optimizer: bool=True )

filepath：保存的路径

overwrite：如果存在源文件，是否覆盖

include_optimizer：是否保存优化器状态

ex : mymodel.save(filepath=“p402/my_model.h5”, includeoptimizer=False)

2.载入模型

my_model = keras . models . load_model( filepath )# 载入后可以继续训练：my_model . fit( X_train_2，Y_train_2 )# 也可以直接评估：preds = my_model . evaluate( X_test, Y_test )

3.仅保存模型的结构，而不包含其权重或配置信息

# save as JSON
json_string = model.to_json()
# save as YAML
yaml_string = model.to_yaml()

从保存好的json文件或yaml文件中载入模型

# model reconstruction from JSON:
from keras.models import model_from_json
model = model_from_json(json_string)# model reconstruction from YAML
model = model_from_yaml(yaml_string)

4.需要保存模型的权重，可通过下面的代码利用HDF5进行保存

model.save_weights('my_model_weights.h5')

若在代码中初始化一个完全相同的模型，请使用

model.load_weights('my_model_weights.h5')

5.若要加载权重到不同的网络结构（有些层一样）中，例如fine-tune或transfer-learning，可通过层名字来加载模型

model.load_weights('my_model_weights.h5', by_name=True)

"""
假如原模型为：model = Sequential()model.add(Dense(2, input_dim=3, name="dense_1"))model.add(Dense(3, name="dense_2"))...model.save_weights(fname)
"""
# new model
model = Sequential()
model.add(Dense(2, input_dim=3, name="dense_1"))  # will be loaded
model.add(Dense(10, name="new_dense"))  # will not be loaded# load weights from first model; will only affect the first layer, dense_1.
model.load_weights(fname, by_name=True)

参考：
Keras如何保存和载入训练好的模型和参数

Keras保存和载入训练好的模型和参数相关推荐

tf.keras 05: 使用Keras保存和加载不同格式的模型
本文是 tf.keras 系列文章的第五篇.通过手写数字识别数据集介绍了 Keras 模型训练中的检查点(checkpoint) 文件,.weights 文件,.pb 文件以及 .h5 文件等四种格 ...
keras保存和载入模型继续训练
目录保存模型载入初次训练的模型,再训练关于compile和load_model()的使用顺序保存模型我们以MNIST手写数字识别为例 import numpy as np from kera ...
python_torch_加载数据集_构建模型_构建训练循环_保存和调用训练好的模型
以下代码均来自bilibili:[适用于初学者的Pytorch编程教学] 以下为完整代码,复制即可运行. import torch import time import json import tor ...
【后端过程记录】用flask搭建服务器作后端接收数据将base64字符串码解码为可读取文件载入训练好的模型进行预测
因为项目的原因了解到有一个python的flask框架,查了一下: 关于前端图片上传的canvas: 如下元素 <canvas id="canvas" width=" ...
【项目实战】pytorch载入训练好的模型并进行可视化模型预测绘图
main函数载入模型,加载图片,输出结果: if __name__ == '__main__':image = Image.open(r"C:\Users\pic\test\he_5.jpg ...
PyTorch：保存/加载训练好的模型测试
保存 torch.save(model.state_dict(), './cnn.pth') 加载 model = VGG16() #加载模型前要创建一个模型的实例对象 model.load_stat ...
python中如何保存并使用训练好的模型并调用
原文链接:https://jingyan.baidu.com/article/09ea3edec0b3ad81aede3996.html
Pytorch 实现全连接神经网络/卷积神经网络训练MNIST数据集，并将训练好的模型在制作自己的手写图片数据集上测试
使用教程代码下载地址:点我下载模型在训练过程中会自动显示训练进度,如果您的pytorch是CPU版本的,代码会自动选择CPU训练,如果有cuda,则会选择GPU训练. 项目目录说明: CNN文件夹 ...
使用全连接神经网络训练MNIST数据分类模型
(一) 实验目的使用简单的全连接层神经网络对MNIST手写数字图片进行分类.通过本次实验,可以掌握如下知识点: 学习 TensorFlow2 神经网络模型构建方式: 学习 tf.keras.laye ...

Keras保存和载入训练好的模型和参数

Keras保存和载入训练好的模型和参数相关推荐

最新文章

热门文章