Keras保存与加载模型（JSON+HDF5）

最新推荐文章于 2023-02-14 22:06:02 发布

原创

最新推荐文章于 2023-02-14 22:06:02 发布 · 1.1w 阅读

35 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #Keras

这篇博客介绍了如何在Keras中使用JSON和HDF5文件进行模型的序列化和反序列化。模型结构以JSON格式保存，权重则保存在HDF5文件中。在加载模型后，需要先编译模型才能进行预测。

在Keras中，有时候需要对模型进行序列化与反序列化。进行模型序列化时，会将模型结果与模型权重保存在不同的文件中，模型权重通常保存在HDF5文件中，模型的结构可以保存在JSON或者YAML文件中。后二者方法大同小异，这里以JSON为例说明一下Keras模型的保存与加载。

from sklearn import datasets
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.utils import to_categorical
from keras.models import model_from_json

#导入数据
dataset = datasets.load_iris()

x = dataset.data
Y = dataset.target

#将标签数据转换为分类编码
Y_labels = to_categorical(Y, num_classes=3)

#设定随机种子
seed = 7
np.random.seed(seed)

#构建模型函数
def create_model(optimizer = 'rmsprop', init = 'glorot_uniform'):
    #构建模型
    model = Sequential()
    model.add(Dense(units=4, activation='relu', input_dim=4, kernel_initializer=init))
    model.add(Dense(units=6, activation='relu', kernel_initializer=init))
    model.add(Dense(units=3, activation='softmax', kernel_initializer=init))

    #编译模型
    model.compile(loss='categorical_crossentropy', optimizer=optimizer, metrics=['