[keras] 模型保存、加载、model类方法、打印各层权重

最新推荐文章于 2022-11-10 21:22:22 发布

原创

最新推荐文章于 2022-11-10 21:22:22 发布 · 1w 阅读

32 ·

CC 4.0 BY-SA版权

本文介绍了Keras中模型的保存和加载，强调了在加载权重前需先编译模型。同时，对比了sequential和functional两种模型的区别，并详细阐述了model类的方法，包括如何获取和打印各层权重。

1.模型保存

model.save_model()可以保存网络结构权重以及优化器的参数
model.save_weights() 仅仅保存权重

2.模型加载

from keras.models import load_model
load_model()只能load 由save_model保存的，将模型和weight全load进来

 filepath: String, path to the saved model.
 custom_objects: Optional dictionary mapping names
     (strings) to custom classes or functions to be
     considered during deserialization.
 compile: Boolean, whether to compile the model
     after loading.

model.load_weights(self, filepath, by_name=False):
在加载权重之前，model必须编译好

        metrics = ['accuracy']
        if self.nb_classes >= 10:
            metrics.append('top_k_categorical_accuracy')

       # self.input_shape = (seq_length, features_length)
        self.model,self.original_model = self.zf_model()
        optimizer = SGD(lr=1e-3)
        self.model.compile(loss='categorical