11.モデルの読み込み

1つの インポートNPとしてnumpyの
 2  から keras.datasetsはインポートmnist
 3  から keras.utilsがインポートnp_utils
 4  から keras.modelsをインポートシーケンシャル
 5  から keras.layers インポート高密度
 6  から keras.optimizers インポートSGD
 7  から keras.modelsをインポート load_modelを

1  ＃载入数据
2（x_train、y_train）、（x_test、y_test）= mnist.load_data（）
 3  ＃（60000,28,28）
4  プリント（' x_shape：' 、x_train.shape）
 5  ＃（60000）
6  印刷（' y_shape：' 、y_train.shape）
 7  ＃（60000,28,28） - >（60000,784）
8 x_train = x_train.reshape（x_train.shape [0]、 - 1）/255.0
 9 x_test = x_test .reshape（x_test.shape [0]、 - 1）/255.0
 10  ＃换ワンホット格式
11y_train = np_utils.to_categorical（y_train、num_classes = 10 ）
 12 y_test = np_utils.to_categorical（y_test、num_classes = 10 ）
 13  
14  ＃载入模型
15モデル= load_model（' model.h5 ' ）
 16  
17  ＃评估模型
18の損失、精度= model.evaluate（x_test、y_test）
 19  
20  プリント（' \ NTEST損失' 、損失）
 21  プリント（' 精度'、精度）

＃トレーニングモデル 
model.fit（x_train、y_train、BATCH_SIZE = 64、エポック= 2 ）

＃の評価モデルの 
損失、精度= model.evaluate（x_test、android.permission.FACTOR。）

印刷（' \ NTEST損失' 、損失）
 を印刷（' 精度'、精度）

＃保存パラメータ、ロードパラメータ 
model.save_weights（' my_model_weights.h5 ' ）
model.load_weights（' my_model_weights.h5 ' ）
 ＃ネットワーク構造のセーブ、ロードされたネットワーク構造
から keras.models インポートmodel_from_json 
json_string = model.to_json（）
モデル = model_from_json（json_string）

印刷（json_string）