我使用来自Keras的ResNet50的转移学习训练了一个宪法网络,如下所示 .
base_model = applications.ResNet50(weights='imagenet', include_top=False, input_shape=(333, 333, 3))
## set model architechture
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x)
x = Dense(256, activation='relu')(x)
predictions = Dense(y_train.shape[1], activation='softmax')(x)
model = Model(input=base_model.input, output=predictions)
model.compile(loss='categorical_crossentropy', optimizer=optimizers.SGD(lr=1e-4, momentum=0.9),
metrics=['accuracy'])
model.summary()
在训练模型后,我想保存模型 .
history = model.fit_generator(
train_datagen.flow(x_train, y_train, batch_size=batch_size),
steps_per_epoch=600,
epochs=epochs,
callbacks=callbacks_list
)
我不能使用keras模型中的save_model()函数,因为模型在这里是Model类型 . 我使用save()函数来保存模型 . 但后来当我加载模型并验证模型时,它表现得像一个未经训练的模型 . 我认为重量没有得到保存 . 哪里错了 . ?如何正确保存此模型 .
2 回答
根据Keras official docs,如果您只需要保存可以使用的模型的体系结构
为了减轻重量
您可以稍后加载json文件并使用
同样,对于您可以使用的重量
我使用相同的方法,这非常有效 .
我't know what happens with my models, but I'从未能够使用
save_model()
和load_model()
,总是有错误关联 . 但这些功能存在 .我通常做的是保存和加载权重(它足以使用模型,但可能会导致进一步训练的一点问题,因为“优化器”状态没有保存,但它从来不是一个大问题,很快就会出现一个新的优化器找到它的方式)
我们使用numpy进行保存的另一个选择 - 这个从未失败:
为此,只需再次创建模型(保留用于创建模型的代码)并设置其权重 .