如何在Keras中儲存已經訓練好的模型
阿新 • • 發佈：2019-02-12
之前我們討論過《》的方法，彼時我們儲存的僅僅是NN中的模型引數，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。
作為一個例子，這裡使用《》中給出的對MINST資料集進行手寫數字識別的程式碼，並將其中訓練好的模型進行儲存。
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，對此你可以在命令列下輸入：sudo pip install h5py
在你確認完成了上面的步驟之後，接下來的內容就非常簡單， 只需要下面這樣的語句，已經建立好的模型就會被成功儲存了。
from keras.models import load_model
model.save('fei_model.h5')如下圖所示，你會看到“fei_model.h5”檔案已經生成。完整的包括模型儲存部分的手寫數字識別程式碼的jupyter notebook檔案可以從文末給出的連結中下載到。
載入已經儲存好的模型同樣非常簡單。你可以另外開一個新檔案，匯入必要的包和資料（當然無需重新定義和訓練模型），然後使用下面這樣的語句：
被載入的模型是否可以使用呢？我們用它來做一下predict，程式碼如下：from keras.models import load_model my_model = load_model('/home/airobot/Desktop/fei_model.h5')
pred = my_model.predict(X_test_0[:])
print('Label of testing sample', np.argmax(y_test_0))
print('Output of the softmax layer', pred[0])
print('Network prediction:', np.argmax([pred[0]]))('Label of testing sample', 7)
('Output of the softmax layer', array([ 1.55717719e-23, 1.71202164e-13, 5.04616253e-14,
7.39000111e-11, 3.02617696e-22, 3.59160995e-19,
9.96468490e-34, 1.00000000e+00, 4.57078810e-19,
2.00005355e-12], dtype=float32))
('Network prediction:', 7)
最後，本文中所使用的原始碼之jupyter notebook檔案均可從如下連結中獲取：
https://pan.baidu.com/s/1nvdxYC5
（本文完）