keras 保存模型和加载模型-优快云博客

本文介绍了如何在Keras中保存和加载模型的过程，并详细解释了安装必要的h5py库的方法，包括解决安装过程中可能遇到的问题。同时给出了一个具体的代码示例来演示整个流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

说明：

1、keras保存加载模型需先 import h5py:

使用 pip install h5py 失败

直接利用 sudo pip install h5py 首先出现没有cython；安装完cython后会提示一个g++错误，这是由于没有安装hdf5；安装完hdf5再安装h5py就能够成功安装。

安装h5py的命令如下：

sudo pip install cython

sudo apt-get install libhdf5-dev

sudo pip install h5py

安装完成后可以用如下命令测试：

Python

import h5py

[python] view plain copy

print ?

import numpy as np
np.random.seed(1337) # for reproducibility
from keras.models import Sequential
from keras.layers import Dense
from keras.models import load_model
# create some data
X = np.linspace(-1, 1, 200)
np.random.shuffle(X) # randomize the data
Y = 0.5 * X + 2 + np.random.normal(0, 0.05, (200, ))
X_train, Y_train = X[:160], Y[:160] # first 160 data points
X_test, Y_test = X[160:], Y[160:] # last 40 data points
model = Sequential()
model.add(Dense(output_dim=1, input_dim=1))
model.compile(loss=’mse’, optimizer=‘sgd’)
for step in range(301):
cost = model.train_on_batch(X_train, Y_train)
# save
print(‘test before save: ’, model.predict(X_test[0:2]))
model.save(’my_model.h5’) # HDF5 file, you have to pip3 install h5py if don’t have it
del model # deletes the existing model
# load
model = load_model(’my_model.h5’)
print(‘test after load: ’, model.predict(X_test[0:2]))
print(‘test after load__classification: ’, model.predict_classes(X_test[0:2]))

import numpy as np
np.random.seed(1337)  # for reproducibility

print('test after load: ', model.predict(X_test[0:2]))

说明：

1、保存模型的api:

[python] view plain copy

print ?

model.save('my_model.h5')

2、加载模型

[python] view plain copy

print ?

model = load_model('my_model.h5')