keras模型保存HDF5和H5出现的问题（ValueError: Parent directory of xxx.hdf5 doesn‘t exist, can‘t save）

keras版本以及tensorflow-gpu 版本：

Name: Keras
Version: 2.1.3

Name: tensorflow-gpu
Version: 1.10.0

问题重现

假设model是一个已经训练好的模型，现在要用keras中自带的save_weights保存模型的权重。一般我们都直接保存为‘xxx.h5’（save_weights只会保存权重）。我尝试用下面一行代码将其保存下来

model.save_weights('cifar10.hdf5')

然后就报错如下

ValueError: Parent directory of cifar10.hdf5 doesn't exist, can't save

但是如果更改命名的后缀为‘h5’,就可以顺利保存

model.save_weights('cifar10.h5')

出现在文件夹保存成功，开始想这是为什么，寻找相关的资料大多数都说hdf5文件和h5文件是同一个东西。

解决方案

因为这里我用到了keras的回调函数（callbacks）来保存最佳的模型，检查报错原因，可能是因为没有有效的父目录。于是使用如下代码：（使用绝对路径，使用'/python/kerastest/cifar10/'效果一样）

modelname   = 'cifar10'
folderpath      = 'd:/python/kerastest/cifar10/' # 使用绝对路径，使用'/python/kerastest/cifar10/'效果一样
filepath        =  folderpath+modelname + ".h5"
model.save_weights(filepath)

这次可以保存成功了，文件夹同时出现以下两个文件了：

这也解释了为什么需要一个父目录了，因为同时有两个文件啊！

到这里可能有人要问了，"啊，博主，为什么自己见过.hdf5 后缀的文件啊？？“要hdf5后缀的文件也可以。之前提到这是一个训练过程中有使用回调函数训练出来的模型。只要使用回调函数，将你的filepath传入然后在训练中使用回调函数就可以得到后缀为’hdf5‘的文件了

folderpath      = 'd:/python/kerastest/cifar10/'
filepath        =  folderpath+modelname + ".hdf5"
checkpoint      = ModelCheckpoint(filepath, 
                                  monitor='val_acc', #确保你的版本中是val_acc,有些版本是val_accuracy 
                                  verbose=1, 
                                  save_best_only=True, 
                                  mode='max')
csv_logger      = CSVLogger(folderpath+modelname +'.csv')                      
callbacks_list  = [checkpoint,csv_logger,LRScheduler]
datagen = ImageDataGenerator(width_shift_range=0.1,
                             height_shift_range=0.1,
                             rotation_range=20,
                             horizontal_flip=True,
                             vertical_flip= False)
model.fit_generator(datagen.flow(trDat,trLbl,batch_size=128),
                    validation_data = (tsDat,tsLbl),
                    epochs = 100,
                    verbose = 1,
                    steps_per_epoch = len(trDat)/128,# 因为在fitgenerator中他不知道什么时候完成一个epoch，所以用所有数据量除以batchsize来告诉函数目前进行了多少个epoch
                    callbacks=callbacks_list)

在这个版本的keras 和 tensorflow 中，我尝试将上面代码块的第二行后缀改为’.h5‘ 然后将第一行删去，不会对程序结果造成除了名字以外的其他影响。此时模型默认保存在.py文件的目录下。所以我以后应该只会用’.h5‘后缀了，很方便。

虽然二者后缀不一样，有的还会存为两个文件，但是读取他们的方法却是统一的。只要名字对了就行。

#filepath = 'd:/python/kerastest/cifar10/cifar10.hdf5'
modelGo.load_weights(filepath)  #不管你生成了是一个完整的hdf5,还是两个分开的文件都可以读
###or

modelGo.load_weights('cifar10.h5')

这里的modelGo是一个已经创建好结构的模型，只要填入参数即可

总结：

保存为HDF5和H5不同点：直接调用save_weights保存参数为hdf5后缀需要指定绝对路径，保存为h5则可以只需要写名字。而且直接保存，保存为HDF5时会有两个文件。存为单独一个HDF5文件的话（在我这个版本）则可以用回调函数，让程序自己存下模型。

相同点：读取的方式相同，只要路径名字正确即可。

结论：用H5后缀