keras----模型保存

一、模型保存

inputs = Input(shape=(784, ))
x = Dense(64, activation='relu')(inputs)
x = Dense(64, activation='relu')(x)
y = Dense(10, activation='softmax')(x)
 
model = Model(inputs=inputs, outputs=y)
 
model.save('m1.h5')
model.summary()
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=32, epochs=10)
#loss,accuracy=model.evaluate(x_test,y_test)
 
model.save('m2.h5')
model.save_weights('m3.h5')

m1保存的是模型图结构
m2保存的是训练后的模型参数和模型图结构
m3保存的是模型参数，没有保存图结构，加载的时候需要先构建模型结构。

二、加载模型

1、保存了模型结构的权重文件才能直接使用load_model直接加载

from keras.models import load_model
 
model = load_model('m1.h5')
#model = load_model('m2.h5')
model.summary()

2、只保存了权重参数的文件需要重新构建模型结构才能加载。

from keras.models import Model
from keras.layers import Input, Dense

inputs = Input(shape=(784, ))
x = Dense(64, activation='relu')(inputs)
x = Dense(64, activation='relu')(x)
y = Dense(10, activation='softmax')(x)
 
model = Model(inputs=inputs, outputs=y)
model.load_weights('m3.h5')