（一）保存和加載整個模型

? 包含模型的結構、權重、訓練配置項（損失函數、優化器）、優化器狀態，允許準確地從上次結束的地方開始訓練。

1.訓練完模型后

path='.../.../xxx.h5' model.save(path)

2.調用模型

#1 調用模型 import keras from keras.models import load_model path='.../.../xxx.h5' my_model=load_model(path) #2 引入并處理數據（因數據而異） #3 可以直接開始evaluate/predict/繼續訓練

（二）只保存、加載模型結構

保存模型的結構，而非其權重或訓練配置項(未經compile)。

1.訓練完模型后

my_model_json=model.to_json() path='.../.../xxx.json' with open(path,'w') as f:f.write(my_model_json)

2.調用模型

import keras from keras.models import model_from_json path='.../.../xxx.json' with open(path,'r') as f:my_model_json=f.read() my_json_model=model_from_json(my_model_json) my_json_model.summary()

（三）只保存/加載模型的權重

1.訓練完模型后

path='.../.../xx.h5' model.save_weights(path)

2.加載

①非按名

path='.../.../xx.h5' model.load_weights(path)

②按名（可用來只加載部分權重——只需new_model與原model的名稱部分相同部分不同即可）

path='.../.../xx.h5' model.load_weights(path,by_name=True)

（四）checkpoint

1.訓練模型

checkpoint_path='.../.../xx' cp_callback=keras.callback.ModelCheckpoint(checkpoint_path, monitor='val_loss',verbose=0, save_best_only=False,save_weights_only=False,mode='auto', save_freq='epoch', options=None) history=model.fit(train_image,train_label,epochs=3,batch_size=512,validation_data=(test_image,test_label),callbacks=[cp_callback])

2.調用

同上1/3中的調用，只需把path換成checkpoint_path

總結

以上是生活随笔為你收集整理的keras模型保存和加载的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。