Keras读书笔记----模型

1. 模型共有方法

1.1. summary

打印出模型概况

1.2. get_config

返回包含模型配置信息的Python字典。模型也可以从它的config信息中重构回去：Model.from_config(config)

1.3. get_weights  set_weights

返回模型权重张量的列表，类型为numpy array
从numpy array里将权重载入给模型，要求形状相同

1.4. to_json  to_yaml

返回代表模型的JSON/YAML字符串，仅包含网络结构，不包含权值。

可以从JSON/YAML字符串中重构原模型：model_from_json(json_string)  model_from_yaml(yaml_string)

1.5. save_weights  load_weights

将模型权重保存到指定路径，文件类型是HDF5（后缀是.h5）
从HDF5文件中加载权重到当前模型中, 默认情况下模型的结构将保持不变。如果想将权重载入不同的模型（有些层相同）中，则设置 by_name=True ，只有名字匹配的层才会载入权重

2. Sequential模型接口

2.1. 属性

2.1.1. layers

添加到模型上的层的list

2.2. 方法

2.2.1. compile

compile(self, optimizer, loss, metrics=[], sample_weight_mode=None)

• optimizer：字符串（预定义优化器名）或优化器对象，参考优化器
• loss：字符串（预定义损失函数名）或目标函数，参考目标函数
• metrics：列表，包含评估模型在训练和测试时的网络性能的指标，典型用法是 metrics=['accuracy']
• sample_weight_mode：如果你需要按时间步为样本赋权（ 2D权矩阵），将该值设为“temporal”。默认为“None”，代表按样本赋权&