keras速度复习-模型存读

import numpy as np
from keras.datasets import mnist
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense
from keras.layers.recurrent import SimpleRNN
from keras.optimizers import Adam
from keras.models import load_model#加入新包

#数据长度-一行有28个像素
input_size=28
#序列长度-一共有28行
time_steps=28
#隐藏层cell个数
cell_size=50
#载入数据
(x_train,y_train),(x_test,y_test)=mnist.load_data()
#打印知形状是(60000,28,28)，如果是(60000,784)就要先展开
x_train=x_train/255.0#shape0就是60000，-1自动计算28*28
x_test=x_test/255.0
#换one hot格式：把输出训练成10个类
y_train=np_utils.to_categorical(y_train,num_classes=10)
y_test=np_utils.to_categorical(y_test,num_classes=10)

#载入模型
model=load_model('model.h5')
#模型定义，优化器定义，开始运行，都可以省略
#当然可以继续追加训练：model.fit(...)

#评估模型
loss,accuracy=model.evaluate(x_test,y_test)
print('\ntest loss',loss)
print('accuracy',accuracy)

loss,accuracy=model.evaluate(x_train,y_train)
print('\ntest loss',loss)
print('accuracy',accuracy)

#最后加这一句就会在当前路径生成模型文件
model.save('model.h5')