keras模型保存的3种形式

目录

一、保存整个模型

二、保存模型结构

三、保存模型权重

---

一、保存整个模型

model.save(filepath)将Keras模型和权重保存在一个HDF5文件中，该文件将包含：

• 模型的结构
• 模型的权重
• 训练配置（损失函数，优化器，准确率等）
• 优化器的状态，以便于从上次训练中断的地方

       前提是已经安装python的h5py包：

       from keras.models import load_model

       当再一次使用时可以model.load_model(filepath)载入模型。

二、保存模型结构

 model.to_jason()将模型序列化保存为json文件，里面记录了网络的整体结构, 各个层的参数设置等信息. 将json字符串保存到文件.

open（‘filename.json','w'）.write(json_string)

from keras.models import model_form_json

json_string=open('filename.json').read()

model=model_from_json(json_string)

除了json格式,还可以保存为yaml格式的字符串，形式与JSON一样

三、保存模型权重

model.save_weights()

经过调参后网络的输出精度比较满意后,可以将训练好的网络权重参数保存下来，可通过下面的代码利用HDF5进行保存：
model.save_weights(‘model_weights.h5’)

使用时加载模型: 
model.load_weights(‘model_weights.h5’)

如果需要加载权重到不同的网络结构（有些层一样）中，例如fine-tune或transfer-learning，可以通过层名字来加载模型： 
model.load_weights('my_model_weights.h5', by_name=True)

因此建模时最好给每个层定义名字。