python神经网络使用Keras进行模型的保存与读取
作者:Bubbliiiing 时间:2023-04-15 06:53:34
学习前言
开始做项目的话,有些时候会用到别人训练好的模型,这个时候要学会load噢。
Keras中保存与读取的重要函数
1、model.save
model.save用于保存模型,在保存模型前,首先要利用pip install安装h5py的模块,这个模块在Keras的模型保存与读取中常常被使用,用于定义保存格式。
pip install h5py
完成安装后,可以通过如下函数保存模型。
model.save("./model.hdf5")
其中,model是已经训练完成的模型,save函数传入的参数就是保存后的位置+名字。
2、load_model
load_model用于载入模型。
具体使用方式如下:
model = load_model("./model.hdf5")
其中,load_model函数传入的参数就是已经完成保存的模型的位置+名字。./表示保存在当前目录。
全部代码
这是一个简单的手写体识别例子,在之前也讲解过如何构建
python神经网络学习使用Keras进行简单分类,在最后我添加上了模型的保存与读取函数。
import numpy as np
from keras.models import Sequential,load_model,save_model
from keras.layers import Dense,Activation ## 全连接层
from keras.datasets import mnist
from keras.utils import np_utils
from keras.optimizers import RMSprop
# 获取训练集
(X_train,Y_train),(X_test,Y_test) = mnist.load_data()
# 首先进行标准化
X_train = X_train.reshape(X_train.shape[0],-1)/255
X_test = X_test.reshape(X_test.shape[0],-1)/255
# 计算categorical_crossentropy需要对分类结果进行categorical
# 即需要将标签转化为形如(nb_samples, nb_classes)的二值序列
Y_train = np_utils.to_categorical(Y_train,num_classes= 10)
Y_test = np_utils.to_categorical(Y_test,num_classes= 10)
# 构建模型
model = Sequential([
Dense(32,input_dim = 784),
Activation("relu"),
Dense(10),
Activation("softmax")
]
)
rmsprop = RMSprop(lr = 0.001,rho = 0.9,epsilon = 1e-08,decay = 0)
## compile
model.compile(loss = 'categorical_crossentropy',optimizer = rmsprop,metrics=['accuracy'])
print("\ntraining")
cost = model.fit(X_train,Y_train,nb_epoch = 2,batch_size = 100)
print("\nTest")
# 测试
cost,accuracy = model.evaluate(X_test,Y_test)
print("accuracy:",accuracy)
# 保存模型
model.save("./model.hdf5")
# 删除现有模型
del model
print("model had been del")
# 再次载入模型
model = load_model("./model.hdf5")
# 预测
cost,accuracy = model.evaluate(X_test,Y_test)
print("accuracy:",accuracy)
实验结果为:
Epoch 1/2
60000/60000 [==============================] - 6s 104us/step - loss: 0.4217 - acc: 0.8888
Epoch 2/2
60000/60000 [==============================] - 6s 99us/step - loss: 0.2240 - acc: 0.9366
Test
10000/10000 [==============================] - 1s 149us/step
accuracy: 0.9419
model had been del
10000/10000 [==============================] - 1s 117us/step
accuracy: 0.9419
来源:https://blog.csdn.net/weixin_44791964/article/details/101613118
标签:python,神经网络,Keras,模型,保存读取
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python深度学习之多标签分类器及pytorch实现源码
2022-09-26 01:09:12
![](https://img.aspxhome.com/file/2023/1/97491_0s.jpg)
python中关于时间和日期函数的常用计算总结(time和datatime)
2022-01-02 05:50:08
Linux安装卸载Mysql数据库
2011-01-29 16:45:00
![](https://img.aspxhome.com/file/UploadPic/20111/29/2011129165230857s.jpg)
Python程序设计入门(5)类的使用简介
2023-01-21 06:27:56
django 链接多个数据库 并使用原生sql实现
2024-01-23 12:52:06
python处理二进制数据的方法
2022-09-08 06:20:09
Python reversed函数及使用方法解析
2023-01-24 16:10:53
Python中的异常处理学习笔记
2023-06-26 05:04:29
MySQL授权命令grant的使用方法小结
2024-01-22 14:09:22
日式酒店电梯面板设计
2008-06-08 13:23:00
![](https://img.aspxhome.com/file/UploadPic/20086/8/20086813301313s.jpg)
Mysql学习之创建和操作数据库及表DDL大全小白篇
2024-01-25 01:16:15
Sublime开发python程序的示例代码
2023-11-06 09:45:46
使用matplotlib绘制并排柱状图的实战案例
2022-04-06 01:22:25
![](https://img.aspxhome.com/file/2023/7/81627_0s.png)
使用python切片实现二维数组复制示例
2021-11-02 22:24:41
Python如何利用opencv实现手势识别
2023-09-02 21:55:13
Python pexpect模块及shell脚本except原理解析
2022-11-10 18:52:04
Python 中 -m 的典型用法、原理解析与发展演变
2023-07-09 17:11:40
![](https://img.aspxhome.com/file/2023/0/87550_0s.jpg)
python提取字典key列表的方法
2023-02-01 23:35:28
Python多进程fork()函数详解
2023-06-08 19:41:37
pycharm设置注释颜色的方法
2022-01-22 21:47:46