Question

我使用来自下文给出的Resras50的转移学习训练了一个宪法网络。

base_model = applications.ResNet50(weights='imagenet', include_top=False, input_shape=(333, 333, 3))

## set model architechture
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x) 
x = Dense(256, activation='relu')(x) 
predictions = Dense(y_train.shape[1], activation='softmax')(x) 
model = Model(input=base_model.input, output=predictions)

model.compile(loss='categorical_crossentropy', optimizer=optimizers.SGD(lr=1e-4, momentum=0.9),
              metrics=['accuracy'])

model.summary()

在训练模型后，我想保存模型。

history = model.fit_generator(
    train_datagen.flow(x_train, y_train, batch_size=batch_size),
    steps_per_epoch=600,
    epochs=epochs,
    callbacks=callbacks_list
)

我不能使用keras模型中的save_model（）函数，因为模型的类型是Model。我使用save（）函数来保存模型。但后来当我加载模型并验证模型时，它表现得像一个未经训练的模型。我认为重量没有得到保存。哪里错了。？如何正确保存此模型。？

Answer 1

根据Keras official docs，如果您只需要保存模型的架构，则可以使用

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

保存重量

model.save_weights("my_model_weights.h5")

您可以稍后加载json文件并使用

from keras.models import model_from_json
model = model_from_json(json_string)

同样，对于权重，您可以使用

model.load_weights('my_model_weights.h5')

我使用相同的方法，这非常有效。

Answer 2

我不知道我的模型会发生什么，但我从未能够使用save_model()和load_model()，总是会出现错误。但是存在这些功能。

我通常做的是保存和加载权重（它足以使用模型，但可能会导致进一步培训的一点问题，因为＆＃34;优化器＆＃34;状态未保存，但它从来都不是一个大问题，很快就会有一个新的优化器找到它的方式）

model.save_weights(fileName)
model.load_weights(fileName)

我们使用numpy进行保存的另一个选择 - 这个从未失败过：

np.save(fileName,model.get_weights())
model.set_weights(np.load(fileName))

为此，只需再次创建模型（保留用于创建模型的代码）并设置其权重。

在Keras中保存传输学习模型的正确方法

2 个答案: