在在Keras中实现保存和加载权重及模型结构中实现保存和加载权重及模型结构
主要介绍了在Keras中实现保存和加载权重及模型结构,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
1. 保存和加载模型结构保存和加载模型结构
(1)保存为JSON字串
json_string = model.to_json()
(2)从JSON字串重构模型
from keras.models import model_from_json
model = model_from_json(json_string)
(3)保存为YAML字串
yaml_string = model.to_yaml()
(4)从YAML字串重构模型
model = model_from_yaml(yaml_string)
2. 保存和加载模型权重(参数)保存和加载模型权重(参数)
from keras.models import load_model
# 创建HDF5文件'my_model.h5',保存模型参数
model.save('my_model.h5')
# 加载模型参数
load_model('my_model.h5')
2.1 处理已保存模型中的自定义层(或其他自定义对象)处理已保存模型中的自定义层(或其他自定义对象)
如果要加载的模型包含自定义层或其他自定义类或函数,则可以通过 custom_objects 参数将它们传递给加载机制:
from keras.models import load_model
# 假设你的模型包含一个 AttentionLayer 类的实例
model = load_model('my_model.h5', custom_objects={'AttentionLayer': AttentionLayer})
或者,你可以使用 自定义对象作用域:
from keras.utils import CustomObjectScope
with CustomObjectScope({'AttentionLayer': AttentionLayer}):
model = load_model('my_model.h5')
自定义对象的处理与 load_model, model_from_json, model_from_yaml 的工作方式相同:
from keras.models import model_from_json
model = model_from_json(json_string, custom_objects={'AttentionLayer': AttentionLayer})
2019年年6月月1号更新:号更新:
更详细的使用方法:
如何保存如何保存Keras模型?模型?
((1)一个)一个HDF5文件即保存模型的结构又保存模型的权重文件即保存模型的结构又保存模型的权重
我们不推荐使用pickle或cPickle来保存Keras模型。
你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含:
模型的结构,以便重构该模型
模型的权重
训练配置(损失函数,优化器等)
优化器的状态,以便于从上次训练中断的地方开始
评论0