Question

我正在使用Keras训练深度神经网络，并寻找一种方法来保存并稍后加载keras.callbacks.History类型的历史对象。这是设置：

history_model_1 = model_1.fit_generator(train_generator,
                          steps_per_epoch=100,
                          epochs=20,
                          validation_data=validation_generator,
                          validation_steps=50)

history_model_1是我希望在另一个Python会话期间保存和加载的变量。

Answer 1

history_model_1是一个回调对象。它包含各种数据，并且不可序列化。

但是，它包含一个字典，其中包含您实际要保存的所有值（参见您的评论）：

import json
# Get the dictionary containing each metric and the loss for each epoch
history_dict = history_model_1.history
# Save it under the form of a json file
json.dump(history_dict, open(your_history_path, 'w'))

您现在可以像这样访问第50世纪的损失值：

print(history_dict['loss'][49])

用

重新加载

history_dict = json.load(open(your_history_path, 'r'))

我希望这会有所帮助。

Answer 2

您可以创建一个类，以便具有相同的结构，并且在两种情况下都可以使用相同的代码进行访问。

import pickle
class History_trained_model(object):
    def __init__(self, history, epoch, params):
        self.history = history
        self.epoch = epoch
        self.params = params

with open(savemodel_path+'/history', 'wb') as file:
    model_history= History_trained_model(history.history, history.epoch, history.params)
    pickle.dump(model_history, file, pickle.HIGHEST_PROTOCOL)

然后访问它：

with open(savemodel_path+'/history', 'rb') as file:
    history=pickle.load(file)

print(history.history)

Answer 3

您可以使用Pandas将历史记录对象另存为CSV文件。

import pandas as pd

pd.DataFrame.from_dict(history_model_1.history).to_csv('history.csv',index=False)

JSON方法产生TypeError: Object of type 'float32' is not JSON serializable。原因是历史字典中的对应值是NumPy数组。

保存并加载keras.callbacks.History

3 个答案: