Keras模型保存的幾個方法和它們的區別

github博客傳送門
csdn博客傳送門

Keras模型保存簡介

model.save()

model_save_path = "model_file_path.h5"
# 保存模型
model.save(model_save_path)
# 刪除當前已存在的模型
del model
# 加載模型
from keras.models import load_model
model = load_model(model_save_path)

model.save_weights()

model_save_path = "model_file_path.h5"
# 保存模型權重
model.save_weights(model_save_path)
# 加載模型權重
model.load_weights(model_save_path)

model.to_json()

# 保存模型網絡結構
json_string = model.to_json()
with open("model_save_file.json", "w") as f:
	f.write(json_string)  # 將模型轉為json文件后的字符串寫入本地
# 讀取模型網絡結構	
from keras.models import model_from_json
with open("model_save_file.json", "r") as f:
	json_string = f.read()  # 讀取本地模型的json文件
model = model_from_json(json_string)  # 創建一個模型

model.to_yaml()

# 保存模型網絡結構
yaml_string = model.to_yaml()
with open("model_save_file.yaml", "w") as f:
	f.write(yaml_string)  # 將模型轉為yaml文件后的字符串寫入本地
# 讀取模型網絡結構	
from keras.models import model_from_yaml
with open("model_save_file.yaml", "r") as f:
	yaml_string = f.read()  # 讀取本地模型的yaml文件
model = model_from_yaml(yaml_string)  # 創建一個模型

現在我們來說說這四種保存模型的聯系與區別

項目	是否保存模型結構	是否保存模型權重	是否能繼續訓練網絡	是否能進行模型預測
model.save()	是	是	是	是
model.save_weights()	否	是	否	是
model.to_json()	是	否	否	加載權重后能進行正常預測
model.to_yaml()	是	否	否	加載權重后能進行正常預測

如有測試錯誤,歡迎指正.謝了.

print_r('點個贊吧')；
var_dump('點個贊吧')；
NSLog(@"點個贊吧！")
System.out.println("點個贊吧!");
console.log("點個贊吧!");
print("點個贊吧!");
printf("點個贊吧!\n");
cout << "點個贊吧!" << endl;
Console.WriteLine("點個贊吧!");
fmt.Println("點個贊吧!")
Response.Write("點個贊吧")；
alert（’點個贊吧’）