keras中训练好的模型保存与载入

最新推荐文章于 2023-09-19 06:35:55 发布

原创

最新推荐文章于 2023-09-19 06:35:55 发布 · 1.9k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

本文介绍了如何在Keras中使用Sequential模式构建深度神经网络（DNN），并详细阐述了模型的保存与重新加载的过程，以实现模型持久化。

keras中的采用Sequential模式建立DNN并持久化保持、重新载入


def DNN_base_v1(X_train, y_train):
    
    model = models.Sequential()
    model.add(layers.Dense(96, activation='elu',kernel_regularizer=regularizers.l2(0.005), input_shape=(X_train.shape[1], )))
    model.add(layers.Dropout(0.5))
    model.add(layers.Dense(64, activation='elu',kernel_regularizer=regularizers.l2(0.005)))
    model.add(layers.Dropout(0.5))
    model.add(layers.Dense(32, activation='elu',kernel_regularizer=regularizers.l2(0.005)))
    model.add(layers.Dropout(0.5))
    model.add(layers.Dense(32, activation='elu',kernel_regularizer=regularizers.l2(0.005)))
    model.add(layers.Dropout(0.5))
    model.add(layers.Dense(1, activation='sigmoid'))

    model.compile(optimizer=optimizers.Adadelta(), loss='binary_crossentropy', metrics=['accuracy'])

    model.fit(X_train, y_train, epochs=1200, batch_size=50, validation_split=0.2, verbose=0, shuffle=True)
    results_train = model.eval