Question

我已经在Keras中训练了一个模型，并以不同的方式将其保存；

model.save("filename")

或

model.to_json()  
model.save_weights("filename")

但是，当我将训练好的模型加载到另一个程序中进行预测时，我得到的结果与测试结果有很大不同。

为什么会发生这种情况，我该如何处理？

Answer 1

您可以尝试将模型保存为.h5格式

from keras.models import model_from_json   
# serialize model to JSON
model_json = parallel_model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)
# serialize weights to HDF5
model.save_weights("model.h5")
print("Saved model to disk")

Answer 2

将其保存为：

     model.save('model.h5')
     model_json = model.to_json()
     with open("model.json", "w") as json_file:
         json_file.write(model_json)

然后为了有效地将其加载到应用程序中，使其像以下所示那样成为全局变量，以免再次加载：

    def load_model():

        global model

        json_file = open('model.json', 'r')
        model_json = json_file.read()
        model = model_from_json(model_json)
        model.load_weights("model.h5")
        model._make_predict_function()

Answer 3

也，您可以这样做

保存模型

 model.save('clasification_model.h5')

读取模型

from keras.models import load_model
classifier = load_model('clasification_model.h5')

预测

res = classifier.predict_classes(x, batch_size=32, verbose=1)

classifier.predict_classes vs classifier.predict

keras Sequential model API

如何在Keras中保存经过训练的模型以在应用程序中使用它？

3 个答案: