是否可以保存在keras中实现的LSTM模型中的所有参数? 当我应用以下功能时:
model = load_model("model_RNN.h5")
for layer in model.layers:
g = layer.get_config()
weights = layer.get_weights()
仅获取与最后一层相关的参数(17个权重)? 我的LSTM网络体系结构如下,包含7505个参数。如何保存所有7505参数?
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
lstm (LSTM) (None, 10, 32) 4352
_________________________________________________________________
lstm_1 (LSTM) (None, 16) 3136
_________________________________________________________________
dense (Dense) (None, 1) 17
=================================================================
Total params: 7,505
Trainable params: 7,505
Non-trainable params: 0
答案 0 :(得分:0)
您可以使用model.summary()来检查网络层,并且可以单击下面的链接来保存和加载keras模型。
https://machinelearningmastery.com/save-load-keras-deep-learning-models/
答案 1 :(得分:0)
您在Keras中将所谓的“参数”称为“权重”,当然,Model
实例具有一个get_weights()
方法,您可以使用该方法来获取包含所有图层的所有权重的列表:
weights = model.get_weights()
然后,您可以使用所需的任何技术来保存此列表。