深度学习——keras模型的保存和加载

最新推荐文章于 2025-04-29 17:26:33 发布

十先生(公众号：Python知识学堂）

最新推荐文章于 2025-04-29 17:26:33 发布

阅读量1.3k

点赞数

分类专栏：深度学习文章标签： python 深度学习

本文链接：https://blog.youkuaiyun.com/th1522856954/article/details/112912779

版权

本文详细介绍了如何在Keras中保存和加载模型，包括使用model.save()、model.save_weights()、model.to_json()和model.to_yaml()方法。重点讲述了model.save()在保存模型和权重方面的应用，以及如何通过load_model()和load_weights()进行模型加载。此外，还讨论了如何在训练中断后继续训练模型的策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在上一篇关于深度学习的推文中，我们介绍了使用Keras来实现机器学习中的线性回归和非线性回归算法。不过在那期的推文当中我们没有介绍如何保存我们的训练的模型和加载我们训练的模型，所以在本次的推文中我们将向大家介绍一下Keras中如何进行模型的保存、加载和接着训练。

一、Keras模型的保存

我们将使用手写字体识别的案例来进行说明。

我们先看一下之前的代码：

from keras.datasets import mnist
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense,Activation
path = r'F:\kerasdataset\mnist.npz'
(X_train, y_train), (X_test, y_test) = mnist.load_data(path)
X_train = X_train.reshape(len(X_train),-1)
X_test = X_test.reshape(len(X_test), -1)
X_train = X_train.astype('float32')/255
X_test = X_test.astype('float32')/255
y_train = np_utils.to_categorical(y_train)
y_test = np_utils.to_categorical(y_test)
model = Sequential()
model.add(Den