keras随手笔记

模型创建

from keras.models import Sequential
from keras.layers import Dense, Activation
#序列模型 Sequential
model = Sequential()
model.add(Dense(32, input_shape = (784,)))
model.add(Activation('relu'))
model.add(Dense(10))
model.add(Activation('softmax'))


from keras.layers import Input
from keras.layers import Dense
#通用模型Model
nput = input(shape = (784, ))
x = Dense(64, activation='relu')(input)
x = Dense(64, activation='relu')(x)
y = Dense(10, activation='softmax')(x)
model = Model(input=input, output=y)
model.summary()

编译模型 

model.compile(loss='categorical_crossentropy',optimizer='sgd',metrics=['accuracy'])

训练以及评估

y_train = to_categorical(y_train)
y_test = to_categorical(y_test)
model.fit(x_train, y_train, epochs=5, batch_size=32)
score = model.evaluate(x_test, y_test, batch_size=128)
print("loss:",score[0])
print("accu:",score[1])

 模型预测

model.predict_classes(x_test, batch_size=128)

 模型的保存与读取

保存模型及其权重

# 保存模型
model_json = model.to_json()
json_file = open("model.json", "w")
json_file.write(model_json)
json_file.close()
# 保存权重
model.save_weights("model.h5")

读取模型及其权重

from keras.models import model_from_json
# 读取模型
json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
# 读取权重
loaded_model.load_weights("model.h5")


# 使用之前记得要编译一下
model.compile(optimizer='rmsprop',
              loss={'main_output': 'binary_crossentropy', 'aux_output': 'binary_crossentropy'},
              loss_weights={'main_output': 1., 'aux_output': 0.2})

参考代码:

https://zhuanlan.zhihu.com/p/103049619

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值