keras 加载backbone网络训练权重 一般神经网络的首次训练时,backbone网络一般采用成熟的特征提取网络,比如Alex net,VGG16,resnet,inception,densenet等,为了加速训练,可以直接加载这些backbone网络的训练权重进行训练,这些模型权重一般都在大型数据集中训练得到的,主要利用他们的强大的特征提取能力。透过keras的load_weights函数,透过by_name=True利用tensor name加载name相同的预训练权重,不同名的不加载。model.trainable = True,表示加载的权重都可以参与训练。可以根据需要冻结部分层参与训练。 model.load_weights(r'.\keras权重\resnet50_weights_tf_dim_ordering_tf_kernels.h5', by_name=True) model.trainable = True keras 保存模型权重 经过多个epoch训练后,都要保存模型或者权重,方便后续训练及预测predict。 利用kears的callbacks里面的ModelCheckpoint实现。 modelcheck = ModelCheckpoint('./unet_'+ label +'_20.h5', monitor='dice_coef', save_best_only=True, mode='max') callable = [modelcheck] H = model.fit_generator(generato