keras如何保存模型,进行加载预测
注:我是从keras中文文档上摘过来的
https://keras-cn.readthedocs.io/en/latest/for_beginners/FAQ/#keras_1
如何保存Keras模型?
我们不推荐使用pickle或cPickle来保存Keras模型
你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含:
模型的结构,以便重构该模型
模型的权重
训练配置(损失函数,优化器等)
优化器的状态,以便于从上次训练中断的地方开始
使用keras.models.load_model(filepath)来重新实例化你的模型,如果文件中存储了训练配置的话,该函数还会同时完成模型的编译
例子:
from keras.models import load_model
model.save(‘my_model.h5’) # creates a HDF5 file ‘my_model.h5’
del model # deletes the existing model
returns a compiled model
identical to the previous one
model = load_model(‘my_model.h5’)
如果你只是希望保存模型的结构,而不包含其权重或配置信息,可以使用:
save as JSON
json_string = model.to_json()
save as YAML
yaml_string = model.to_yaml()
这项操作将把模型序列化为json或yaml文件,这些文件对人而言也是友好的,如果需要的话你甚至可以手动打开这些文件并进行编辑。
当然,你也可以从保存好的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)
如果需要保存模型的权重,可通过下面的代码利用HDF5进行保存。注意,在使用前需要确保你已安装了HDF5和其Python库h5py
model.save_weights(‘my_model_weights.h5’)
如果你需要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’)
如果你需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,你可以通过层名字来加载模型:
model.load_weights(‘my_model_weights.h5’, by_name=True)
例如:
“”"
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)
- 点赞
- 收藏
- 分享
- 文章举报
- 如何将Keras模型保存到文件中,并再次加载它们来进行预测。
- Keras中如何保存和加载训练好的预测模型——长短期记忆(LSTM)系列_LSTM的建模方法(4)
- keras中如何保存model的数据,以及如何重构模型进行数据预测
- Keras学习(十)-加载已经训练好的模型进行预测(以全连接imdb为例)
- pytorch文档阅读(五)如何保存、加载网络模型
- 如何保存Keras模型?
- 使用Keras预训练好的模型进行目标类别预测
- 如何保存Keras模型
- Keras入门(二)模型的保存、读取及加载
- keras中的模型保存和加载
- 如何保存训练好的神经网络直接进行测试-TensorFlow模型持久化
- 机器学习中的贝叶斯方法---先验概率、似然函数、后验概率的理解及如何使用贝叶斯进行模型预测(2)
- Keras模型保存和加载的两种方式
- Keras_gan生成mnist保存并加载模型
- mxnet保存模型,加载模型来预测新数据
- keras 保存模型和加载模型
- Tensorflow保存模型,恢复模型,使用训练好的模型进行预测和提取中间输出(特征)【转】
- 如何保存Keras模型?
- keras如何保存模型
- 时间序列预测基础教程系列(8)_如何使用自回归综合移动平均线(ARIMA)模型进行时间序列预测(Python)