keras可视化模型

时间：20190612

生成模型

from keras.models import Model
from keras.layers import Input, Dense
from keras.datasets import mnist
from keras.utils import np_utils(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train=x_train.reshape(x_train.shape[0],-1)/255.0
x_test=x_test.reshape(x_test.shape[0],-1)/255.0
y_train=np_utils.to_categorical(y_train,num_classes=10)
y_test=np_utils.to_categorical(y_test,num_classes=10)inputs = Input(shape=(784, ))
x = Dense(64, activation='relu')(inputs)
x = Dense(64, activation='relu')(x)
y = Dense(10, activation='softmax')(x)model = Model(inputs=inputs, outputs=y)model.save('m1.h5')
model.summary()
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=32, epochs=10)
#loss,accuracy=model.evaluate(x_test,y_test)model.save('m2.h5')
model.save_weights('m3.h5')

将此文件命名为：test.py，执行：python test.py，会在当前目录生成三个.h5文件。

可视化模型

可视化模型需要使用keras.utils.vis_utils包。

代码如下：

from keras.models import load_model
from keras.utils.vis_utils import plot_modelmodel = load_model('m1.h5')plot_model(model, to_file="model.png", show_shapes=True)

这样就会在当前文件夹下生成模型的结构图。

参考

https://blog.csdn.net/leviopku/article/details/86612293

keras可视化模型相关推荐

python模型保存save_浅谈keras保存模型中的save()和save_weights()区别
今天做了一个关于keras保存模型的实验,希望有助于大家了解keras保存模型的区别. 我们知道keras的模型一般保存为后缀名为h5的文件,比如final_model.h5.同样是h5文件用save ...
keras笔记-模型保存以及tensorboard的使用
对于一个epoch的模型保存以及tensorboard的使用都是可以使用keras中的回调函数 Callbacks. 首先还是看代码吧: from keras import backend as K ...
神经网络学习小记录58——Keras GhostNet模型的复现详解
神经网络学习小记录58--Keras GhostNet模型的复现详解学习前言什么是GhostNet模型源码下载 GhostNet模型的实现思路 1.Ghost Module 2.Ghost Bo ...
R语言使用yardstick包的lift_curve函数评估多分类（Multiclass）模型的性能、并使用autoplot函数可视化模型在每个交叉验证（或者重采样）的每一折fold在每个分类上的提升
R语言使用yardstick包的lift_curve函数评估多分类(Multiclass)模型的性能.并使用autoplot函数可视化模型在每个交叉验证(或者重采样)的每一折fold在每个分类上的提升 ...
R语言使用yardstick包的roc_curve函数评估多分类（Multiclass）模型、并使用autoplot函数可视化模型在每个交叉验证（或者重采样）的每一折fold在每个分类上的ROC曲线
R语言使用yardstick包的roc_curve函数评估多分类(Multiclass)模型的性能.并使用autoplot函数可视化模型在每个交叉验证(或者重采样)的每一折fold在每个分类上的ROC ...
R语言使用yardstick包的pr_curve函数评估二分类（binary）模型的性能、并使用autoplot函数可视化模型的PR曲线（precision recall）
R语言使用yardstick包的pr_curve函数评估二分类(binary)模型的性能.并使用autoplot函数可视化模型的PR曲线(precision recall) 目录
R语言使用yardstick包的gain_curve函数评估多分类（Multiclass）模型的性能、并使用autoplot函数可视化模型在每个交叉验证（或者重采样）的每一折fold在每个分类上的增益
R语言使用yardstick包的gain_curve函数评估多分类(Multiclass)模型的性能.并使用autoplot函数可视化模型在每个交叉验证(或者重采样)的每一折fold在每个分类上的增益 ...
R语言使用lm构建线性回归模型、并将目标变量对数化（log10）实战：可视化模型预测输出与实际值对比图、可视化模型的残差、模型预测中系统误差的一个例子、自定义函数计算R方指标和均方根误差RMSE
R语言使用lm构建线性回归模型.并将目标变量对数化(log10)实战:可视化模型预测输出与实际值对比图.可视化模型的残差.模型预测中系统误差的一个例子 .自定义函数计算R方指标和均方根误差RMSE 目 ...
R语言使用lm构建线性回归模型、并将目标变量对数化实战：可视化模型预测输出与实际值对比图、可视化模型的残差、模型系数（coefficient）、模型总结信息（summary）、残差总结信息
R语言使用lm构建线性回归模型.并将目标变量对数化(log10)实战:可视化模型预测输出与实际值对比图.可视化模型的残差.模型系数(coefficient).模型总结信息(summary).残差总结信 ...

keras可视化模型

时间：20190612

生成模型

可视化模型

参考

keras可视化模型相关推荐

最新文章

热门文章