Keras 模型的保存与调用

废话少说，先看代码

from keras.models import Sequential
from keras.layers import Dense
import keras
import numpy as np

np.random.seed(7)
dataset = np.loadtxt('pima-indians-diabetes.csv', delimiter = ',')
x = dataset[:, 0 : 8]
Y = dataset[:, 8]
model = Sequential()
model.add(Dense(500, input_dim=8, activation='sigmoid'))
model.add(Dense(100, activation='sigmoid'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x=x, y=Y, epochs=150, batch_size=10, validation_split=0.2)

# 保存后，再读取到 model2
#model.save('mymodel')
keras.models.save_model(model, 'mymodel')
model2 = keras.models.load_model('mymodel')
model2.summary()
scores = model2.evaluate(x=x, y=Y)
print('\n%s : %.2f' % (model2.metrics_names[1], scores[1]*100))

保存方法有俩个，一个是 model.save(‘mymodel’)， 另一个是 keras.models.save_model(model, ‘mymodel’)。这两个保存方法保存了模型结构和参数，还有其他保存方法可以只保存参数，此处不再赘述。