深度学习【3】keras：保存keras学习好的深度神经网络模型参数为二进制和txt文件

最新推荐文章于 2022-12-24 20:01:20 发布

DCD_Lin

最新推荐文章于 2022-12-24 20:01:20 发布

阅读量1.1w

点赞数 1

分类专栏：深度学习文章标签： BN keras python DL ubuntu

本文链接：https://blog.csdn.net/linmingan/article/details/50906141

版权

本文介绍了如何将Keras中训练好的深度神经网络模型权重保存为二进制和TXT文件，特别关注了带有批量归一化(Batch Normalization)的网络。通过分析Keras模型的内部结构，特别是`layers`变量，揭示了每一层的权重、偏置以及BN层的参数。利用theano的`get_params()`和`get_value()`函数，将权重转换为numpy数组并使用numpy的`tofile()`和`savetxt()`函数进行保存。

摘要由CSDN通过智能技术生成

http://blog.csdn.net/linmingan/article/details/50906141

由于工程需要，保存为hdf5的keras权值在c/c++中的读取比较不方便。因此将keras中的权值剥离出来，并保存为二进制文件或者txt文件。在进行代码的编写之前我们必须先知道keras中model类对于每一层的参数如何表示的。以下，我将以加入Batch Normalization的5层神经网络(每层的节点数为[500 400 300 200 100]，输入为：39)作为例子，来解读keras的参数表示。

假设我们已经学习好了上述的神经网络，怎么我们可以得到一个包含有各种对象的keras对象：model。model的具体内容如下图（model内部结构的显示由Pycharm调试功能中的观察变量功能得来）。图中有非常多变量，但是我们只关心其中的layers变量。

我们可以展开layers变量，得到下图。从_len_={int} 17，知道我们的模型共有17层（按正常理解应该只有5层，但是在keras中，将上一层的输出乘以该层的权值，以及通过激活函数这两个都看做是一层。因为我们的模型加入了BN操作，所有BN操作也看做一层。这样一来我们理解的一层就扩展到了三层。），接下来的00,01，...16就是里面具体的层的内容了，