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 ...
最新文章
- 实验四:使用库函数API和C代码中嵌入汇编代码两种方式使用同一个系统调用
- python_web框架
- 手机全部零件名称图片_机械制图零件测绘
- C++之inline函数使用总结
- 1058. A+B in Hogwarts (20)
- quartz中定时表达式详解
- 多元正态分布、多元t分布中的行列式求解 Java
- summit_Linux注册简介开始,Open Hardware Summit寻求提交,等等
- MySQL查询用户行为,网站用户行为分析
- DeepStream中,获得并修改识别对象参数的代码
- Goland 学习笔记之--govendor
- 【解决方案】数字孪生智慧光伏电站三维可视化系统
- EAS序时簿界面显示,不再忽略数值零
- 回溯算法之迷宫问题(Maze)
- 有关USGS下载landsat 8影像的方法
- 谷歌浏览器如何设置internet选项
- Android图片拼接9宫格
- Java 使用记事本编写第一个java程序
- 阴阳师1月服务器维护,阴阳师1月15日更新维护公告 鬼童丸降临平安京
- sql语句中不等于的使用