Keras（二）——模型

最新推荐文章于 2021-08-07 22:16:23 发布

Like_Frost

最新推荐文章于 2021-08-07 22:16:23 发布

阅读量275

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/qq_37448196/article/details/103281517

版权

机器学习专栏收录该内容

6 篇文章 1 订阅

订阅专栏

Keras模型

在 Keras 中有两类主要的模型：Sequential 顺序模型和使用函数式 API 的 Model 类模型

传送门：

通用方法和属性

model.layers 是包含模型网络层的展平列表
model.inputs 是模型输入张量的列表
model.outputs 是模型输出张量的列表
model.summary（）打印出模型概述信息，是utils.print_summary的简洁调用

model.get_config（）返回包含模型配置信息的字典。重新实例化模型：

config = model.get_config()
model = Model.from_config(config)
# 或者，对于 Sequential:
model = Sequential.from_config(config)

model.get_weights ( ) 返回模型中所有权重张量的列表，类型为Numpy数组
model.set_weights(weights) 从Numpy 数组中为模型设置权重，列表中的数组必须与get_weights( ) 所返回的权重具有相同的尺寸
model.to_json( ) 以 JSON 字符串的形式返回模型的表示（仅包含结构，不包含权重）。可以从JSON 字符串重新实例化同一模型：
```
from keras.models import model_from_json

json_string = model.to_json()
model = model_from_json(json_string)
```
model.to_yaml( ) 以 YAML 字符串的形式返回模型的表示（仅包含结构，不包含权重）。可以从YAML 字符串重新实例化同一模型：
```
from keras.models import model_from_yaml

yaml_string = model.to_yaml()
model = model_from_yaml(yaml_string)
```
model.save_weights(filepath) 将模型权重存储在HDF5文件中
model.load_weight(filepath, by_name = False) 从HDF5 文件中加载权重，默认模型结构不变

Model 类继承

可以通过继承 Model 类并在 call 方法中实现自己的前向传播。

一个用 Model 类继承的多层感知器：

import keras

class SimpleMLP(keras.Model):

    def __init__(self, use_bn=False, use_dp=False, num_classes=10):
        super(SimpleMLP, self).__init__(name='mlp')
        self.use_bn = use_bn
        self.use_dp = use_dp
        self.num_classes = num_classes

        self.dense1 = keras.layers.Dense(32, activation='relu')
        self.dense2 = keras.layers.Dense(num_classes, activation='softmax')
        if self.use_dp:
            self.dp = keras.layers.Dropout(0.5)
        if self.use_bn:
            self.bn = keras.layers.BatchNormalization(axis=-1)

    def call(self, inputs):
        x = self.dense1(inputs)
        if self.use_dp:
            x = self.dp(x)
        if self.use_bn:
            x = self.bn(x)
        return self.dense2(x)

model = SimpleMLP()
model.compile(...)
model.fit(...)

在类继承模型中，模型的拓扑结构是由 Python 代码定义的（而不是网络层的静态图），这意味着模型的拓扑结构不能被检查或序列化，因此，以下方法和属性不适用于类继承模型：