在深度学习领域，Keras 是一个非常受欢迎的框架。保存和加载模型是模型训练过程中的重要环节。本文将介绍如何使用 Keras 保存和加载模型。

保存模型

Keras 提供了多种方式来保存模型，以下是一些常用的方法：

  • 使用 save() 方法：可以将整个模型保存到一个 HDF5 文件中。
model.save('my_model.h5')
  • 使用 save_weights() 方法：仅保存模型的权重。
model.save_weights('my_model_weights.h5')
  • 使用 save_model() 方法：保存整个模型结构、权重和训练配置。
model.save_model('my_model_config.h5')

加载模型

加载模型同样有多种方法：

  • 使用 load_model() 方法：加载保存的整个模型。
from keras.models import load_model

model = load_model('my_model.h5')
  • 使用 load_weights() 方法：仅加载模型的权重。
model.load_weights('my_model_weights.h5')

图片示例

以下是一个使用 Keras 保存和加载模型的示例：

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

# 创建模型
model = Sequential()
model.add(Dense(10, input_dim=100, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

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

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=32)

# 保存模型
model.save('my_model.h5')

# 加载模型
loaded_model = load_model('my_model.h5')

# 使用加载的模型进行预测
predictions = loaded_model.predict(X_test)

Keras 模型保存与加载示例

扩展阅读

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

希望这篇文章能帮助您更好地了解 Keras 模型的保存与加载。