Python-深度学习-学习笔记(16):利用h5py对数据进行读写的方法
通常情况下,在神经网络训练的过程中有很多参数,有些参数需要我们后期进行处理,所以需要保存下来,这时我们就可以采用h5py库对数据集或者权重、偏差等一下参数进行保存为.h5文件。
1、数据的存储与读取
写入数据:
假设我这里有训练的到的准确率的数据,我需要将这些数据进行存储:
#写入文件
with h5py.File('test.h5','w') as f:
f.create_dataset('test_numpy',data=scores)
读取数据:
#读取文件
def read_data(filename):
with h5py.File(filename,'r') as f:
dset = f['test_numpy']
print(dset[:])
read_data('test.h5')
即可打印出结果。
2、训练模型的存储
这时需要借助keras库,通过调用一下函数即可将模型的权重和偏差保存下来,用于对测试集的测试。
model.save(r'C:\Users\405\Desktop\UW_1_chn_model_CNN.h5') #路径自己选
在使用时只需将模型导入到你的代码中,即可直接用evaluate进行准确率的评估。