Question

问题：

（部分）指定了keras模型，例如：

# create model
model = Sequential()
model.add(Dense(12, input_dim=8, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X, Y, epochs=150, batch_size=10)

是否可以将所有详细信息保存在模型中以供以后使用？

详细信息：

我一直在跟踪machinelearningmastery.com中的示例，并尝试修改和添加模型的特征/参数，例如

activation ='relu'
activation ='Sigmoid'
metrics = ['accuracy']

正如问题所暗示的，我想存储模型设置以备后用。我知道这些参数是不同功能的组成部分，但难道不是全部一样吗？

我尝试过的事情：

1。 model.save()和model.load()

仅返回

AttributeError：“顺序”对象没有属性“加载”

2。 model.get_config()

在这里，我已经找到了一些设置，例如：

[{'class_name'：'密集'，'config'：{'激活'：'relu'，

但是我还没有找到一种可以将配置作为独立模型加载的方法，而且常常无法找到所有设置。

3。。我还检查了其他帖子，例如K eras - Reuse weights from a previous layer - converting to keras tensor，但似乎并未涵盖该模型的所有方面。

有什么建议吗？

Answer 1

您可以尝试使用keras提供的model.load()来加载使用load_model()保存的模型，而不必尝试model.save()

from keras.models import load_model   
load_model(filepath)

您还可以使用model.to_json()将模型另存为json并使用model_from_json()从json加载

您可以在Keras文档中看到更多保存和加载模型的方法 here

Answer 2

model.save()将完成技巧，以保存模型，使用from keras.models import load_model加载模型，并使用model=load_model(model_name)加载模型

如何保存和重用keras模型的所有设置？

2 个答案: