keras保存模型和加载模型

版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/huanhuan_Coder/article/details/83350162

1、保存模型和加载模型的方法

用实验室的服务器跑神经网络的时候服务器老是断开连接，这对我的训练和测试来时是一件比较崩溃的事，因为这意味着我要重新训练一次，要浪费又一次的时间，所以我在网上百度了保存模型和加载模型的办法，大部分的方法如下：

保存模型

model.save('my_model.h5')      

加载模型

model = load_model('my_model.h5')

但是由于我的 $W，b$和其他的一些优化参数是自定义的，所以在加载模型的时候就出现了一系列的问题，例如 $W$没有初始化之类的问题，所以这时候，保存模型就不如保存权重来的方便，所以我就采用了保存权重这种方法。

保存模型的权重

model.save_weights('my_model.h5')

加载模型的权重

model.load_weights('my_model.h5')

事实证明这种方法更好用一些。
keras中文文档：https://keras-cn.readthedocs.io/en/latest/
keras保存权重一节：https://keras-cn.readthedocs.io/en/latest/models/about_model/

2、保存模型的方式

众做周知，我们是在训练模型的时候保存模型的参数和超参数，在此基础上进行参数的调整和调优，但是我们最好不要在每一个epoch里都进行模型的保存，因为保存模型是一个耗费时间的操作，每次保存模型的时候是要占用CPU的时间的，这时候就浪费了GPU的资源，并且将每一次的参数都保存下来也是不必要行为，我们可以采用以下几种方法进行保存：

• 1、每隔50个epoch保存
• 2、当loss值比上一次小的时候保存
• 3、当正确率比上一次高的时候保存