keras load_weights 函数详解

`load_weights()`函数是Keras中用于加载预训练模型权重的函数。它可以将已经训练好的模型权重加载到新的模型中，以实现迁移学习或继续训练的目的。下面是`load_weights()`函数的详细解释：

函数原型：

load_weights(filepath, by_name=False, skip_mismatch=False)

参数说明：

- `filepath`：权重文件的路径。可以是一个HDF5格式的文件，也可以是一个包含权重的numpy数组。
- `by_name`：布尔值，如果为True，则按照层的名字来加载权重。如果为False，则按照层的顺序来加载权重。默认为False。
- `skip_mismatch`：布尔值，如果为True，则如果模型中的层与权重文件中的层不匹配，则跳过这些层。如果为False，则会抛出一个异常。默认为False。

返回值：

该函数没有返回值，它只是将权重加载到模型中。

使用示例：

假设我们已经训练好了一个模型`model`，并将其保存为了一个HDF5文件`weights.h5`。现在我们想要将这些权重加载到一个新的模型`new_model`中，可以使用如下代码：

from keras.models import load_model

new_model = load_model('new_model.h5')  # 加载新模型
new_model.load_weights('weights.h5')  # 加载权重

注意：如果新模型与原模型的结构不同，需要在加载权重时设置`by_name=True`，并将原模型中层的名字与新模型中相应层的名字对应起来。例如，如果原模型中有一个名为`conv2d_1`的卷积层，而新模型中对应的卷积层的名字为`conv1`，则可以使用如下代码：

new_model.load_weights('weights.h5', by_name=True, skip_mismatch=True)

在该代码中，`skip_mismatch=True`表示如果层的名字不匹配，则跳过这个层。