Keras 模型保存与加载教程

在深度学习领域，模型保存与加载是常见的操作。本教程将介绍如何使用 Keras 库来保存和加载模型。

保存模型

Keras 提供了两种保存模型的方式：保存模型结构、权重和训练配置，以及保存整个模型。

保存模型结构、权重和训练配置

# 保存模型结构
model.save('model_structure.h5')

# 保存模型权重
model.save_weights('model_weights.h5')

# 保存训练配置
model.save('model_config.h5')

保存整个模型

# 保存整个模型
model.save('model.h5')

加载模型

加载模型同样有两种方式：加载模型结构、权重和训练配置，以及加载整个模型。

加载模型结构、权重和训练配置

from keras.models import load_model

# 加载模型结构
model_structure = load_model('model_structure.h5')

# 加载模型权重
model_weights = load_model('model_weights.h5')

# 加载训练配置
model_config = load_model('model_config.h5')

加载整个模型

# 加载整个模型
model = load_model('model.h5')

图片示例

以下是一个使用 Keras 构建的简单神经网络模型：

from keras.models import Sequential
from keras.layers import Dense

# 创建模型
model = Sequential()
model.add(Dense(10, input_dim=8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# 编译模型
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

神经网络结构图

扩展阅读

如果您想了解更多关于 Keras 的内容，可以访问我们的 Keras 教程页面。