9) 保存和载入一个模型；keras:deeplizard；

模型的保存

保存的结果： 包含 网络 的架构，优化器的状态，权重，网络的各种参数，

这样的话，以后我们 load 之后，可以继续 trainning

代码

如何保存 一个 完整model

model.save(filePath)

如果没有 models 这个目录，那么，会自动创建这个 目录

---

方便你 cv ：

import os.path
if os.path.isfile('models/c10cnn_model.h5') is False:
	model.save('models/c10cnn_model.h5')

---

如何 载入 一个 完整model

就是如下的代码了：

查看 weights

查看 优化器

如果我们仅仅想保存网络的架构呢？

不保存 权重等其他参数。

你想 重新 训练

用 model.to_json()

也可： model.to_yaml()

读取 json 的网络 模型

model_from_json(json_string)

如果我们只想保存网络的权重呢？

这里的情况 是，我们现在更新 了 新的 网络结构，但是想使用 旧网络的权重；

首先用 model.save_weights() 来保存之前 网络 的 weights

然后创建一个 新网络，对 新网络 使用 load_weights()

(注意，这里的 model2 其实 和 model 是相同的架构，都是2层；我的意思是，你不能让model 2 是 5层的，这样的话，你是不能 load weights 的）

参考

文章

视频