keras 保存模型 -说重点 ,实用 pickle保存-history列表

更加科学保存模型
keras如何更加科学的保存训练好的模型呢?
使用Callbacks回调函数中的ModelCheckpoint

filepath = 'model-ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5'
checkpoint = ModelCheckpoint(filepath, monitor='val_loss', verbose=1, save_best_only=True, mode='min')

这样设置会生成多个h5文件，若filepath='mymodel.h5’则只会生成一个文件，同时save_best_only打开之后，如果val_loss 提高了就会保存，没有提高就不会保存。

不太懂? 接下来细细讲

keras模型包括model和weight两个部分

保存model方法一 JSON文件：

model_json = model.to_json()  
with open("model.json", "w") as json_file:     
json_file.write(model_json)  

保存model方法二 Yaml文件：

 yaml_string = model.to_yaml()   

保存weight方法一 h5文件：

model.save_weights("modelweight.h5")

同时保存model和weight

model.save('model.h5') 

加载model:

#json model load
json_file = open('model.json', 'r')  
loaded_model_json = json_file.read()   
json_file.close()   
loaded_model = model_from_json(loaded_model_json)
#h5 model load
from keras.models import load_model      
model = load_model('model.h5')   
 
#weight load
loaded_model.load_weights("model.h5")   

---

Keras训练历史记录保存，导入，绘制acc或者loss曲线

训练：

model.</