Keras 是源于 Theano 或 者TensorFlow 的一个深度学习框架,它的设计来源于Torch,编程语言使用的是 Python ,是一个拥有强大功能、内容抽象,而且高度模块化的神经网络库。
今天小编给大家分享的就是Keras 模型的保存与加载,希望对大家学习和使用Keras 有所帮助。
一、Keras模型保存和加载的基础介绍
Keras模型保存和加载一般是保存成hdf5格式。Keras模型主要有两种,序贯模型即Sequential、以及函数式模型Model,相对来说函数模型Model使用范围更广,序贯模型Sequential可看作是函数模型的一种特殊情况。
两类模型有一些方法是相同的:
model.summary():打印模型概况
model.get_config():返回包含模型配置信息的Python字典。
model.get_layer():依据层名或下标获得层对象
model.get_weights():返回模型权重张量的列表,类型为numpy array
model.set_weights():从numpy array里将权重载入给模型,要求数组具有与model.get_weights()相同的形状。
model.to_json:返回代表模型的JSON字符串,仅包含网络结构,不包含权值。
model.to_yaml:与model.to_json类似,同样可以从产生的YAML字符串中重构模型
model.save_weights(filepath):将模型权重保存到指定路径,文件类型是HDF5(后缀是.h5)
model.load_weights(filepath, by_name=False):从HDF5文件中加载权重到当前模型中, 默认情况下模型的结构将保持不变。如果想将权重载入不同的模型(有些层相同)中,则设置by_name=True,只有名字匹配的层才会载入权重
二、Keras模型保存和加载方式
1.保存所有状态
(1)保存模型和模型图
# 保存模型 model.save(file_path) model_name = '{}/{}_{}_{}_v2.h5'.format(params['model_dir'],params['filters'],params['pool_size_1'],params['pool_size_2']) model.save(model_name) # 保存模型图 from keras.utils import plot_model # 需要安装pip install pydot model_plot = '{}/{}_{}_{}_v2.png'.format(params['model_dir'],params['filters'],params['pool_size_1'],params['pool_size_2']) plot_model(model, to_file=model_plot)
(2)加载模型
from keras.models import load_model model_path = '../docs/keras/100_2_3_v2.h5' model = load_model(model_path)
利弊分析:
a.模型保存和加载就只需一行代码,写起来简单快捷
b.既能保存模型的结构和参数,又能保存训练配置等信息。方便我们从上次训练中断的地方再次进行训练优化。
c.占用空间过大,上传或者同步费时。
2.只保存模型结构和模型参数
(1)保存模型
import yaml import json # 保存模型结构到yaml文件或者json文件 yaml_string = model.to_yaml() open('../docs/keras/model_architecture.yaml', 'w').write(yaml_string) # json_string = model.to_json() # open('../docs/keras/model_architecture.json', 'w').write(json_string) # 保存模型参数到h5文件 model.save_weights('../docs/keras/model_weights.h5')
(2)加载模型
import yaml import json from keras.models import model_from_json from keras.models import model_from_yaml # 加载模型结构 model = model_from_yaml(open('../docs/keras/model_architecture.yaml').read()) # model = model_from_json(open('../docs/keras/model_architecture.json').read()) # 加载模型参数 model.load_weights('../docs/keras/model_weights.h5')
利弊分析:
a.能够节省硬盘空间,便于同步和协作
b.会丢失训练的一部分配置信息
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14