Question

我正在使用Keras和Tensorflow训练神经网络。通过提早停止的回调，我正在保存包含权重和偏差的hdf5文件：

file_path = "data/weights-improvement-{epoch:02d}-{val_loss:.2f}.hdf5"

save_best_callback = ModelCheckpoint(file_path, monitor='val_loss', verbose=1, save_best_only=True,
                                     save_weights_only=False, mode='auto', period=1)


# model
visible = Input(shape=(36,))

x = Dense(40, activation='tanh')(visible) 
x = Dense(45, activation='tanh')(x) 
x = Dense(30, activation='tanh')(x) 
x = Dense(55, activation='tanh')(x)

output = Dense(5, activation='tanh')(x)

通常，我使用

weights_1 = model.layers[1].get_weights()[0]
biases_1 = model.layers[1].get_weights()[1]

一层。

以某种方式，当我将脚本运行一整夜时，权重和偏差无法保存（这是不寻常的，hdf5文件创建失败）。现在，我还有多个hdf5文件，我想从中选择最后一个可以保存以加载权重和偏差的文件。

我希望每层的权重矩阵具有（#cells x #inputs）的形式，偏置矩阵具有（#cells x 1）的形式，而对于第j层，j = 1 #inputs = 36，对于j > 1个输入= #cells（j-1）。然后，这些矩阵应存储为numpy数组。

我总共有5层，这应该给我5个权重和偏差矩阵。我尝试用熊猫加载hdf5-文件：

import numpy as np
import pandas as pd

array = np.fromfile('data/weights-improvement-446-0.00.hdf5', dtype=float)
df_array = pd.DataFrame(array)
print(df_array)

但这只是给我一个由1列和m行组成的数据框，其中某些元素为“ NaN”。谁能帮我？预先感谢。

Answer 1

为什么不使用keras load_model API？如果只是权重，请使用load_weights API。

>>> from keras.models import load_model
>>> model = load_model('data/weights-improvement-446-0.00.hdf5')
>>> for layer in model.layers:
>>>     if len(layer.weights) > 0:
>>>         print(layer.name, layer.weights[0].shape)

hdf5文件的权重和偏差

1 个答案: