python神经网络使用Keras进行模型的保存与读取

 更新时间:2022年05月05日 08:27:50   作者:Bubbliiiing  
这篇文章主要为大家介绍了python神经网络使用Keras进行模型的保存与读取,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪

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

以上就是python神经网络使用Keras进行模型的保存与读取的详细内容,更多关于Keras模型保存读取的资料请关注脚本之家其它相关文章!

相关文章

  • pyqt 多窗口之间的相互调用方法

    pyqt 多窗口之间的相互调用方法

    今天小编就为大家分享一篇pyqt 多窗口之间的相互调用方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-06-06
  • python中关于对super()函数疑问解惑

    python中关于对super()函数疑问解惑

    Python中的super()是用于调用父类(或父类的父类...)方法的函数,主要用于多继承,单继承问题不大,下面这篇文章主要给大家介绍了关于python中关于对super()函数疑问解惑的相关资料,需要的朋友可以参考下
    2022-08-08
  • python打包成so文件过程解析

    python打包成so文件过程解析

    这篇文章主要介绍了python打包成so文件过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-09-09
  • python使用tomorrow实现多线程的例子

    python使用tomorrow实现多线程的例子

    今天小编就为大家分享一篇python使用tomorrow实现多线程的例子,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • 浅谈keras 的抽象后端(from keras import backend as K)

    浅谈keras 的抽象后端(from keras import backend as K)

    这篇文章主要介绍了浅谈keras 的抽象后端(from keras import backend as K),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • python自动化测试selenium核心技术三种等待方式详解

    python自动化测试selenium核心技术三种等待方式详解

    这篇文章主要为大家介绍了python自动化测试selenium的核心技术三种等待方式示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步早日升职加薪
    2021-11-11
  • Python Matplotlib基本用法详解

    Python Matplotlib基本用法详解

    Matplotlib 是Python中类似 MATLAB 的绘图工具,熟悉 MATLAB 也可以很快的上手 Matplotlib,这篇文章主要介绍了Python Matplotlib基本用法,需要的朋友可以参考下
    2023-03-03
  • mat矩阵和npy矩阵实现互相转换(python和matlab)

    mat矩阵和npy矩阵实现互相转换(python和matlab)

    这篇文章主要介绍了mat矩阵和npy矩阵实现互相转换(python和matlab),具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-07-07
  • Python的这些库,你知道多少?

    Python的这些库,你知道多少?

    最近整理了一些好用的库但是只是初级介绍,如果大家用得到的话还请自己到官网上查一下,因为东西太多我一 一介绍的话可能不太现实,需要的朋友可以参考下
    2021-06-06
  • linux环境部署清华大学大模型最新版 chatglm2-6b 图文教程

    linux环境部署清华大学大模型最新版 chatglm2-6b 图文教程

    这篇文章主要介绍了linux环境部署清华大学大模型最新版 chatglm2-6b ,结合实例形式详细分析了Linux环境下chatglm2-6b部署相关操作步骤与注意事项,需要的朋友可以参考下
    2023-07-07

最新评论