使用使用Keras 实现查看实现查看model weights .h5 文件的内容文件的内容
主要介绍了使用Keras 实现查看model weights .h5 文件的内容，具有很好的参考价值，希望对大家有所帮助。
一起跟随小编过来看看吧
Keras的模型是用hdf5存储的，如果想要查看模型，keras提供了get_weights的函数可以查看：
for layer in model.layers: weights = layer.get_weights() # list of numpy array
而通过hdf5模块也可以读取：hdf5的数据结构主要是File - Group - Dataset三级，具体操作API可以看官方文档。weights的
tensor保存在Dataset的value中，而每一集都会有attrs保存各网络层的属性：
import h5py
def print_keras_wegiths(weight_file_path):
f = h5py.File(weight_file_path) # 读取weights h5文件返回File类
try:
if len(f.attrs.items()):
print("{} contains: ".format(weight_file_path))
print("Root attributes:")
for key, value in f.attrs.items():
print(" {}: {}".format(key, value)) # 输出储存在File类中的attrs信息，一般是各层的名称
for layer, g in f.items(): # 读取各层的名称以及包含层信息的Group类
print(" {}".format(layer))
print(" Attributes:")
for key, value in g.attrs.items(): # 输出储存在Group类中的attrs信息，一般是各层的weights和bias及他们的名称
print(" {}: {}".format(key, value))
print(" Dataset:")
for name, d in g.items(): # 读取各层储存具体信息的Dataset类
print(" {}: {}".format(name, d.value.shape)) # 输出储存在Dataset中的层名称和权重，也可以打印dataset的attrs，但是keras中是空的
print(" {}: {}".format(name. d.value))
finally:
f.close()
而如果想修改某个值，则需要通过新建File类，然后用create_group, create_dataset函数将信息重新写入，具体操作可以查看
这篇文章
补充知识：补充知识：keras load model 并保存特定层并保存特定层 (pop) 的权重的权重save new_model
有时候我们保存模型（save model）,会保存整个模型输入到输出的权重，如果，我们不想保存后几层的参数，保存成新的模
型。
import keras
from keras.models import Model, load_model
from keras.layers import Input, Dense
from keras.optimizers import RMSprop
import numpy as np
创建原始模型并保存权重
inputs = Input((1,))
dense_1 = Dense(10, activation='relu')(inputs)
dense_2 = Dense(10, activation='relu')(dense_1)
dense_3 = Dense(10, activation='relu')(dense_2)
outputs = Dense(10)(dense_3)
model = Model(inputs=inputs, outputs=outputs)
model.compile(optimizer=RMSprop(), loss='mse')
model.save('test.h5')
加载模型并对模型进行调整
loaded_model = load_model('test.h5')
loaded_model.layers.pop()
loaded_model.layers.pop()
此处去掉了最后两层－－dense_3, dense_2。
创建新的model并加载修改后的模型
new_model = Model(inputs=inputs, outputs=dense_1)
new_model.compile(optimizer=RMSprop(), loss='mse')
new_model.set_weights(loaded_model.get_weights())
评论0