当前位置:网站首页>13. Enregistrement et chargement des modèles
13. Enregistrement et chargement des modèles
2022-07-08 00:54:00 【Booze - J】
Article (s)
Nous gardons3.MNISTClassification des ensembles de donnéesExemple de modèle de formation,Pour démontrer l'enregistrement et le chargement du modèle.
La première façon d'enregistrer et de charger le modèle
1.Enregistrer par
Pour sauvegarder un modèle, il suffit de l'ajouter après l'entraînement du modèle
# Enregistrer le modèle La structure et les paramètres du modèle peuvent être sauvegardés simultanément
model.save("model.h5") # HDF5Documentation,pip install h5py
Cette méthode d'enregistrement permet d'enregistrer à la fois la structure et les paramètres du modèle.
2.Mode de chargement
Importer avant de charger le modèleload_model
Méthodes
from keras.models import load_model
Et le Code chargé est une simple phrase:
# Charger le modèle
model = load_model("../model.h5")
Cette méthode de chargement peut charger à la fois la structure et les paramètres du modèle.
La deuxième façon d'enregistrer et de charger le modèle
1.Enregistrer par
Les paramètres du modèle sont stockés séparément de la structure du modèle :
# Enregistrer les paramètres
model.save_weights("my_model_weights.h5")
# Enregistrer la structure du réseau
json_string = model.to_json()
2.Mode de chargement
Avant de charger la structure du modèle ,Doit être importé en premiermodel_from_json()
Méthodes
from keras.models import model_from_json
Charger les paramètres du réseau et la structure du réseau respectivement :
# Paramètres de chargement
model.load_weights("my_model_weights.h5")
# Charger la structure du modèle
model = model_from_json(json_string)
Recyclage des modèles
La plate - forme d'exécution du Code est jupyter-notebook, Bloc de code dans l'article ,C'est comme ça.jupyter-notebook Écrit dans l'ordre de division , Exécuter le Code de l'article , Fixation directe des sous - unités jupyter-notebookC'est tout..
En fait, le modèle peut être recyclé après le chargement .
1.Importer des bibliothèques tierces
import numpy as np
from keras.datasets import mnist
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense
from keras.models import load_model
2.Chargement des données et prétraitement des données
# Chargement des données
(x_train,y_train),(x_test,y_test) = mnist.load_data()
# (60000, 28, 28)
print("x_shape:\n",x_train.shape)
# (60000,) Pas encore. one-hotCodage Vous devez le faire vous - même à l'arrière
print("y_shape:\n",y_train.shape)
# (60000, 28, 28) -> (60000,784) reshape() Remplissage des paramètres moyens -1 Le résultat du paramètre peut être calculé automatiquement Divisé par255.0C'est pour la normalisation.
x_train = x_train.reshape(x_train.shape[0],-1)/255.0
x_test = x_test.reshape(x_test.shape[0],-1)/255.0
# Remplacerone hotFormat
y_train = np_utils.to_categorical(y_train,num_classes=10)
y_test = np_utils.to_categorical(y_test,num_classes=10)
3.Recyclage des modèles
# Charger le modèle
model = load_model("../model.h5")
# Modèle d'évaluation
loss,accuracy = model.evaluate(x_test,y_test)
print("\ntest loss",loss)
print("accuracy:",accuracy)
Résultats des opérations:
Comparer les modèles enregistrés pour la première fois :
On constate que la précision du modèle de recyclage sur l'ensemble d'essais est améliorée. .
边栏推荐
- 接口测试要测试什么?
- [reprint] solve the problem that CONDA installs pytorch too slowly
- 51 communicates with the Bluetooth module, and 51 drives the Bluetooth app to light up
- Kubernetes static pod (static POD)
- STL -- common function replication of string class
- Cancel the down arrow of the default style of select and set the default word of select
- New library online | cnopendata China Star Hotel data
- The standby database has been delayed. Check that the MRP is wait_ for_ Log, apply after restarting MRP_ Log but wait again later_ for_ log
- Jouer sonar
- Cause analysis and solution of too laggy page of [test interview questions]
猜你喜欢
QT establish signal slots between different classes and transfer parameters
From starfish OS' continued deflationary consumption of SFO, the value of SFO in the long run
5G NR 系统消息
接口测试要测试什么?
1293_FreeRTOS中xTaskResumeAll()接口的实现分析
Qt不同类之间建立信号槽,并传递参数
FOFA-攻防挑战记录
新库上线 | CnOpenData中华老字号企业名录
An error is reported during the process of setting up ADG. Rman-03009 ora-03113
《因果性Causality》教程,哥本哈根大学Jonas Peters讲授
随机推荐
Stock account opening is free of charge. Is it safe to open an account on your mobile phone
Leetcode brush questions
"An excellent programmer is worth five ordinary programmers", and the gap lies in these seven key points
ABAP ALV LVC模板
SDNU_ ACM_ ICPC_ 2022_ Summer_ Practice(1~2)
Malware detection method based on convolutional neural network
Qt不同类之间建立信号槽,并传递参数
How to add automatic sorting titles in typora software?
Basic principle and usage of dynamic library, -fpic option context
DNS 系列(一):为什么更新了 DNS 记录不生效?
German prime minister says Ukraine will not receive "NATO style" security guarantee
【愚公系列】2022年7月 Go教学课程 006-自动推导类型和输入输出
An error is reported during the process of setting up ADG. Rman-03009 ora-03113
Redis, do you understand the list
语义分割模型库segmentation_models_pytorch的详细使用介绍
牛客基础语法必刷100题之基本类型
Su embedded training - day4
ThinkPHP kernel work order system source code commercial open source version multi user + multi customer service + SMS + email notification
基于人脸识别实现课堂抬头率检测
Application practice | the efficiency of the data warehouse system has been comprehensively improved! Data warehouse construction based on Apache Doris in Tongcheng digital Department