浅谈keras保存模型中的save()和save_weights()区别

浅谈浅谈keras保存模型中的保存模型中的save()和和save_weights()区别区别

主要介绍了浅谈keras保存模型中的save()和save_weights()区别，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

今天做了一个关于keras保存模型的实验，希望有助于大家了解keras保存模型的区别。

我们知道keras的模型一般保存为后缀名为h5的文件，比如final_model.h5。同样是h5文件用save()和save_weight()保存效果

是不一样的。

我们用宇宙最通用的数据集MNIST来做这个实验，首先设计一个两层全连接网络：

inputs = Input(shape=(784, ))

from keras.models import Model

from keras.layers import Input, Dense

from keras.datasets import mnist

from keras.utils import np_utils

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train=x_train.reshape(x_train.shape[0],-1)/255.0

x_test=x_test.reshape(x_test.shape[0],-1)/255.0

y_train=np_utils.to_categorical(y_train,num_classes=10)

y_test=np_utils.to_categorical(y_test,num_classes=10)

model = Model(inputs=inputs, outputs=y)

model.save('m1.h5')

model.summary()

model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

model.fit(x_train, y_train, batch_size=32, epochs=10)

#loss,accuracy=model.evaluate(x_test,y_test)

model.save('m2.h5')

model.save_weights('m3.h5')

多。

通过可视化工具，我们发现：（打开m1和m2均可以显示出以下结构）