Keras学习笔记---保存model文件和载入model文件

Keras学习笔记---保存model文件和载入model文件

保存keras的model文件和载入keras文件的方法有很多。现在分别列出，以便后面查询。

keras中的模型主要包括model和weight两个部分。

保存model部分的主要方法：一是通过json文件

Json文件

[python]  view plain  copy

1. # serialize model to JSON  
2. model_json = model.to_json()  
3. with open("model.json", "w") as json_file:  
4.     json_file.write(model_json)  

Yaml文件

[python]  view plain  copy

1. # save as YAML  
2. yaml_string = model.to_yaml()  

保存权重的方法：通过保存权重（系数）

HDF5文件

[cpp]  view plain  copy

1. # serialize weights to HDF5  
2. model.save_weights("model.h5")  
3. print("Saved model to disk")  

同时保存model和权重的方式：

[python]  view plain  copy

1. from keras.models import load_model  
2.   
3. model.save('model_weight.h5')  # creates a HDF5 file 'my_model.h5'  

载入model的方法
json&hdf5

[python]  view plain  copy

1. # load json and create model  
2. json_file = open('model.json', 'r')  
3. loaded_model_json = json_file.read()  
4. json_file.close()  
5. loaded_model = model_from_json(loaded_model_json  

[python]  view plain  copy

1. from keras.models import load_model  
2.   
3. model = load_model('model.h5')  

载入权重

[python]  view plain  copy

1. # load weights into new model  
2. loaded_model.load_weights("model.h5")  
3. print("Loaded model from disk")  

如果你需要加载权重到不同的网络结构（有些层一样）中，例如fine-tune或transfer-learning，你可以通过层名字来加载模型：

model.load_weights('my_model_weights.h5', by_name=True)

#保存神经网络的结构与训练好的参数json_string = model.to_json()#等价于 json_string = model.get_config() open('my_model_architecture.json','w').write(json_string) model.save_weights('my_model_weights.h5') #加载模型结构和参数model = model_from_json(open('my_model_architecture.json').read()) model.load_weights('my_model_weights.h5')