Keras中的模型儲存與載入
阿新 • • 發佈:2019-02-05
from keras.models import Sequential from keras.layers import Dense from keras.models import load_model model = Sequential() model.add(Dense(32, activation='relu', input_dim=100)) model.add(Dense(1, activation='sigmoid')) model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy']) # Generate dummy data import numpy as np data = np.random.random((1000, 100)) labels = np.random.randint(2, size=(1000, 1)) # Train the model, iterating on the data in batches of 32 samples model.fit(data, labels, epochs=10, batch_size=32) score = model.evaluate(data,labels,batch_size=32) print(score) model.save('fei_model.h5')
但是在Keras中我們可以非常優雅地把整個模型(包括已經訓練好的引數和神經網路的結構)儲存起來,而且這一切都“非常非常”簡單。
需要提前說明的一點是Keras會把模型儲存成“.h5”檔案,為了讓你的程式可以支援這種形式的檔案你需要安裝一下h5py這個package
儲存模型的程式碼是:
from keras.model import load_model
model.save("路徑+檔名")
模型的載入程式碼是
model = load_model('fei_moddel')