11、深度学习中的模型保存、加载与回归分析

深度学习中的模型保存、加载与回归分析

1. 模型的保存与加载

在深度学习中，训练好的模型需要保存以便后续使用，同时也需要能够加载已保存的模型。以下是具体的操作方法：

1.1 保存模型

要将训练好的模型以 h5 格式保存，可以调用其 save 方法：

model.save('model.h5') # 保存模型

1.2 加载模型

使用 load_model 方法加载已保存的模型：

from tensorflow.keras.models import load_model
model = load_model('model.h5', custom_objects={"KerasLayer": hub.KerasLayer})

可以通过查看模型的摘要来确保模型已正确加载：

model.summary()

2. 提交模型

TensorFlow 允许将自己创建的模型提交到 tfhub 仓库。tensorflow_hub 库用于从该仓库加载模型，基于 HTTP 的协议支持检索模型文档并提供获取模型本身的端点。将模型完全训练到满意后，可以使用以下代码保存图和参数值：