[tensorflow]从Keras加载、保存模型、显示模型权重

最新推荐文章于 2024-06-08 16:29:58 发布

原创最新推荐文章于 2024-06-08 16:29:58 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #keras #深度学习

Tensorflow学习专栏收录该内容

10 篇文章

订阅专栏

该文展示了如何在TensorFlow中使用InceptionV3模型，包括加载imagenet预训练权重，将模型保存到本地./module/InceptionV3目录，以及通过两种方式加载本地保存的模型。最后，模型的结构和参数通过`base_model.summary()`进行了展示。

部署运行你感兴趣的模型镜像

import tensorflow as tf

构建模型，并加载imagenet预训练权重

base_model = tf.keras.applications.InceptionV3(include_top=False,weights='imagenet')

保存模型到本地./module/InceptionV3下

tf.saved_model.save(base_model,'./module/InceptionV3')

加载本地模型-方式1

base_model = tf.keras.applications.InceptionV3(include_top=False,weights='./module/InceptionV3')

加载本地模型-方式2

base_model = tf.keras.applications.InceptionV3(include_top=False)
base_model.load_weights('./module/InceptionV3')

显示模型的结构和参数

base_model.summary()

在这里插入图片描述

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

尼口666

关注关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

tensorflow及其keras如何保存模型

weixin_43178406的博客

05-28

1万+

本文主要介绍tensorflow及其keras保存并加载模型的实战代码，在经过了亲身的实践后，终于找到了可复现的实战代码，最终将详细的代码总结如下，希望能对学习tensorflow2/keras的同学有所帮助。文章目录 1. keras模型保存概述 2. TensorFlow SavedModel 格式 2.1 使用高级API：tf.keras.models.save_model 2.2 使用低级API：tf.saved_model.save 3. keras HDF5格式

Tensorflow 2.x(keras)源码详解之第十章：keras中的模型保存与加载(详解Checkpoint&md5&模型序列化)

热门推荐

weixin_43178406的博客

05-18

4万+

1. 模型保存与加载：综述 2. 前提总结 3. 仅保存模型权重 3.1 在内存中将权重进行迁移 3.2 将权重保存到磁盘上 3.2.1 Checkpoint(检查点) 3.2.2 使用tf.train.checkpoint()保存多个检查点 3.2.3 使用tf.train.checkpoint加载多个检查点 3.2.4 tf.train.checkpoint保存和加载单一检查点 3.2.5 save_weights保存检查点 3.2.6 save_weights保存成HDF5格式 4. 仅保存模型架构

参与评论您还未登录，请先登录后发表或查看评论

Tensorflow读取并输出已保存模型的权重数值方式

09-18

今天小编就为大家分享一篇Tensorflow读取并输出已保存模型的权重数值方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看不看

Keras 加载已经训练好的模型进行预测操作

09-16

主要介绍了Keras 加载已经训练好的模型进行预测操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

TensorFlow学习笔记（12）迁移学习续

m0_63848276的博客

12-26

613

tensorflow官网学习笔记

tensorflow 获取已保存模型的权重并且打印

qq_45836261的博客

01-27

2472

获取权重方法：

keras获取model权重

一定要站在自己热爱的生活里闪闪发光

06-02

2万+

方法一：通过get_layer()函数先获取要获取权重对应的层；接着通过get_weights() 函数获取改成对应的全部参数（是一个长的为2的列表，列表中的每一个元素是一个numpy数组，第一存放该层的权重W的参数，第一个存放偏置b） layer的两个函数： get_weights() set_weights(weights) model = load_model('vgg.h5') layer1 = model.get_layer(index=2) weights = layer1.get_we

使用TensorFlow和Keras对以ResNet50模型进行微调

heeheeai的博客

06-08

1692

以下是使用ResNet50进行微调以识别特定的新东西的代码演示。将使用TensorFlow和Keras进行这个任务。数据集下载地址，解压到工程里面去：原始代码： ``` 解析安装必要的库：导入库：加载ResNet50模型，并去掉顶层：添加自定义顶层：冻结base_model的所有卷积层：编译模型：准备数据：假设数据存储在和中，并且每个类有一个文件夹。训练模型：解冻部分或全部的卷积层并继续训练：在这段代码中，“添加自定义顶层”是指在预训练的R

TensorFlow.NET Keras保存模型、加载模型

11-24

### TensorFlow.NET Keras加载模型 #### 加载整个模型使用`Model.LoadModel`方法加载之前保存的整个模型。示例如下： ```csharp // 加载整个模型 var loadedModel = Model.LoadModel("saved_model_path"); ``` ##...

TensorFlow.NET keras如何保存模型且序列化

最新发布

11-27

我们正在使用TensorFlow.NET的Keras API，需要保存模型并进行序列化。根据引用[1]和引用[2]，我们可以找到一些线索。引用[1]提到TensorFlow 2.0教程中有关于Keras模型保存和序列化的内容，虽然这是针对Python的...

keras加载模型

weixin_39965184的博客

02-09

1880

说明：该程序是一个包含两个隐藏层的神经网络。演示如何加载一个保存好的模型。数据集：MNIST 1.加载keras模块 from __future__ import print_function #Python提供了__future__模块，把下一个新版本的特性导入到当前版本，于是我们就可以在当前版本中测试一些新版本的特性。 import numpy as np np.random.seed(13...

keras中的模型加载

123

03-12

861

from keras import backend as K from keras.models import load_model from PIL import Image import numpy as np source='/storage/DuanFX/python_code/hope/' def get_layer_output(model, x, index=-1): layer = K.function([model.input], [model.layers[inde

tensorflow查看权重参数值

andeyeluguo的博客

07-24

1万+

每个框架都有查看权重参数的机制，在tenstensorflow中查看的例子如下 import tensorflow as tf import numpy as np reader = tf.train.NewCheckpointReader('model-100') all_variables = reader.get_variable_to_shape_map() w0 = reader...

tensorflow和pytorch设置和查看权重

qq_45759229的博客

04-13

2302

pytorch import numpy as np import torch.nn as nn import random import os import torch import seaborn as sns import matplotlib.pyplot as plt def seed_torch(seed=42): random.seed(seed) os.environ['PYTHONHASHSEED'] = '0' np.random.seed(seed)

keras 11_加载模型

guoqingru0311的博客

10-12

248

keras 11_加载模型 import numpy as np from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequential, load_model from keras.layers import Dense from keras.optimizers import SGD # 载入数据 (x_train, y_train), (x_test, y_test)

关于tf.keras的模型加载

qq_41919659的博客

12-29

593

tf.keras模型加载

迁移学习之--tensorflow选择性加载权重

Double_V的博客

09-28

1万+

迁移学习的实现需要网络在其他数据集上做预训练，完成参数调优工作，然后拿预训练好的参数在新的任务上做fine-tune，但是有时候可能只需要预训练的网络的一部分权重，本文主要提供一个方法如何在tf上加载想要加载的权重。在使用tensorflow加载网络权重的时候，直接使用tf.train.Saver().restore(sess, ‘ckpt’)的话是直接加载了全部权重，我们可能只需要加载网络的...

载入keras训练的模型

weixin_35756373的博客

02-12

210

可以使用 Keras 提供的 load_model 函数来载入训练过的模型。 from keras.models import load_model model = load_model('model.h5') 其中 model.h5 是模型保存的文件名。在训练模型时，可以使用 model.save('model.h5') 来保存模型。 ...

机器学习19：Keras保存和加载网络模型及权重的方法总结

科学边界

04-20

5941

0.先实现手写体识别的实例：导入训练数据 from keras.datasets import mnist from keras.preprocessing.image import ImageDataGenerator from matplotlib import pyplot from keras import backend as K #K.set_image_dim_ordering(...