Question

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

Answer 1

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/

Answer 2

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。

如何在Python中保存所有深度学习模型参数？

2 个答案: