python神经网络使用Keras进行模型的保存与读取

一、Keras中保存与读取的重要函数
1、model.save

model.save用于保存模型，在保存模型前，首先要利用pip install安装h5py的模块，这个模块在Keras的模型保存与读取中常常被使用，用于定义保存格式。

1. pip install h5py

复制代码

完成安装后，可以通过如下函数保存模型。

2、load_model

load_model用于载入模型。

具体使用方式如下：

1. model = load_model("./model.hdf5")

复制代码

代码：

1. import numpy as np
   
2. from keras.models import Sequential,load_model,save_model
   
3. from keras.layers import Dense,Activation ## 全连接层
   
4. from keras.datasets import mnist
   
5. from keras.utils import np_utils
   
6. from keras.optimizers import RMSprop
   
7. # 获取训练集
   
8. (X_train,Y_train),(X_test,Y_test) = mnist.load_data()
   
9. # 首先进行标准化
   
10. X_train = X_train.reshape(X_train.shape[0],-1)/255
    
11. X_test = X_test.reshape(X_test.shape[0],-1)/255
    
12. # 计算categorical_crossentropy需要对分类结果进行categorical
    
13. # 即需要将标签转化为形如(nb_samples, nb_classes)的二值序列
    
14. Y_train = np_utils.to_categorical(Y_train,num_classes= 10)
    
15. Y_test = np_utils.to_categorical(Y_test,num_classes= 10)
    
16. # 构建模型
    
17. model = Sequential([
    
18.     Dense(32,input_dim = 784),
    
19.     Activation("relu"),
    
20.     Dense(10),
    
21.     Activation("softmax")
    
22.     ]
    
23. )
    
24. rmsprop = RMSprop(lr = 0.001,rho = 0.9,epsilon = 1e-08,decay = 0)
    
25. ## compile
    
26. model.compile(loss = 'categorical_crossentropy',optimizer = rmsprop,metrics=['accuracy'])
    
27. print("\ntraining")
    
28. cost = model.fit(X_train,Y_train,nb_epoch = 2,batch_size = 100)
    
29. print("\nTest")
    
30. # 测试
    
31. cost,accuracy = model.evaluate(X_test,Y_test)
    
32. print("accuracy:",accuracy)
    
33. # 保存模型
    
34. model.save("./model.hdf5")
    
35. # 删除现有模型
    
36. del model
    
37. print("model had been del")
    
38. # 再次载入模型
    
39. model = load_model("./model.hdf5")
    
40. # 预测
    
41. cost,accuracy = model.evaluate(X_test,Y_test)
    
42. print("accuracy:",accuracy)
    

复制代码

抢个沙发

小铭 发表于 2022-12-24 22:03
抢个沙发

我觉得彳亍

地板