Keras model.save（）和model.save_weights（）之间的区别？

Question

要在Keras中保存模型，输出文件之间有什么区别：

1. model.save()
2. model.save_weights()
回调中的
3. ModelCheckpoint()

model.save()中保存的文件大于model.save_weights()中的模型，但明显大于JSON或Yaml模型体系结构文件。为什么是这样？

重申这一点：为什么size（model.save（））+ size（某事物）= size（model.save_weights（））+ size（model.to_json（）），那是什么“某事”？

仅仅model.save_weights()和model.to_json()会更有效率，加载这些只是model.save()和load_model()吗？

有什么区别？

Answer 1

save()将权重和模型结构保存到单个HDF5文件中。我相信它还包括优化器状态之类的东西。然后，您可以将该HDF5文件与load()一起使用来重建整个模型，包括权重。

save_weights()仅将权重保存到HDF5，而不是其他任何内容。您需要额外的代码才能从JSON文件重建模型。

Answer 2

只需添加ModelCheckPoint的输出（如果与其他人相关）即可：在模型训练期间用作回调，它可以保存整个模型，也可以仅保存权重，具体取决于save_weights_only参数设置的状态至。 TRUE和仅保留权重，类似于调用model.save_weights()。 FALSE（默认），并且保存整个模型，就像调用model.save()一样。

Answer 3

• model.save_weights（）仅保存权重，因此如果需要，您可以将其应用于其他体系结构
• mode.save（）将保存模型的架构+权重+训练配置+优化器的状态