Keras文档学习03.关于keras模型的宏观调用（模型的查看存储载入）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/fantacy10000/article/details/83186397

关键词：查看、存储、载入
原文地址：文档具体位置

就是说虽然具体keras的模型有序贯模型和函数式模型，但是关于模型的操作大致是一样的。

一.模型情况查看
1.model.summary()：打印出模型概况，它实际调用的是keras.utils.print_summary；
2.model.get_config():返回包含模型配置信息的Python字典。模型也可以从它的config信息中重构回去；

config = model.get_config()#获取
model = Model.from_config(config)#载入
#对序贯模型
model = Sequential.from_config(config)

二.模型权值获取和设置
3.model.get_layer()：依据层名或下标获得层对象；
4.model.get_weights()：返回模型权重张量的列表，类型为numpy array；
5.model.set_weights()：从numpy array里将权重载入给模型，要求数组具有与model.get_weights()相同的形状；

from models import model_from_json
json_string = model.to_json()#存
model = model_from_json(json_string)#取

三.模型以及权值的存取
6.model.to_json：返回代表模型的JSON字符串，仅包含网络结构，不包含权值。可以从JSON字符串中重构原模型；
7.model.to_yaml：与model.to_json类似，同样可以从产生的YAML字符串中重构模型；
8.model.save_weights(filepath)：将模型权重保存到指定路径，文件类型是HDF5（后缀是.h5）;
9.model.load_weights(filepath, by_name=False)：从HDF5文件中加载权重到当前模型中, 默认情况下模型的结 构将保持不变。如果想将权重载入不同的模型（有些层相同）中，则设置by_name=True，只有名字匹配的层才会载入权重；