keras 权重保存和权重载入方式


Posted in Python onMay 21, 2020

如果需要全部权重载入,直接使用权重载入方式

model.save_weights('./weigths.h5')
model2.load_weights('./weigths.h5')

但是有时候你只需要载入部分权重

所以你可以这样操作

首先,为所有层命名,在层中直接加入方法 name='layer1'

第二,使用,将你不需要载入权重的值更改名字。

最后,载入权重。

x=BatchNormalization(axis=channel_axis,name='layer2')(x)
 
model2.layers[-1].name='pred'
model2.load_weights('./weigths.h5',by_name=True)

上面的代码是对应的操作,这里我除了最后一层,其他层我都加载了权重,记住,by_name 必须赋值为True 这样才能够按照名称对应赋值权重。

注意:两个模型结构必须一样,不然可能出问题

补充知识:Keras中保存和加载权重及模型结构

1. 保存和加载模型结构

(1)保存为JSON字串

json_string = model.to_json()

(2)从JSON字串重构模型

from keras.models import model_from_json
model = model_from_json(json_string)

(3)保存为YAML字串

yaml_string = model.to_yaml()

(4)从YAML字串重构模型

model = model_from_yaml(yaml_string)

2. 保存和加载模型权重(参数)

from keras.models import load_model
 
# 创建HDF5文件'my_model.h5',保存模型参数
model.save('my_model.h5')
 
# 加载模型参数
load_model('my_model.h5')

2.1 处理已保存模型中的自定义层(或其他自定义对象)

如果要加载的模型包含自定义层或其他自定义类或函数,则可以通过 custom_objects 参数将它们传递给加载机制:

from keras.models import load_model
 
# 假设你的模型包含一个 AttentionLayer 类的实例
model = load_model('my_model.h5', custom_objects={'AttentionLayer': AttentionLayer})

或者,你可以使用 自定义对象作用域:

from keras.utils import CustomObjectScope
 
with CustomObjectScope({'AttentionLayer': AttentionLayer}):
 model = load_model('my_model.h5')

自定义对象的处理与 load_model, model_from_json, model_from_yaml 的工作方式相同:

from keras.models import model_from_json

model = model_from_json(json_string, custom_objects={'AttentionLayer': AttentionLayer})

2019年6月1号更新:

更详细的使用方法:

如何保存Keras模型?

(1)一个HDF5文件即保存模型的结构又保存模型的权重

我们不推荐使用pickle或cPickle来保存Keras模型。

你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含:

模型的结构,以便重构该模型

模型的权重

训练配置(损失函数,优化器等)

优化器的状态,以便于从上次训练中断的地方开始

使用keras.models.load_model(filepath)来重新实例化你的模型,如果文件中存储了训练配置的话,该函数还会同时完成模型的编译。

例子:

from keras.models import load_model
 
model.save('my_model.h5') # creates a HDF5 file 'my_model.h5'
del model # deletes the existing model
 
# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

(2)只保存模型的结构

如果你只是希望保存模型的结构,而不包含其权重或配置信息,可以使用:

# save as JSON
json_string = model.to_json()
 
# save as YAML
yaml_string = model.to_yaml()

这项操作将把模型序列化为json或yaml文件,这些文件对人而言也是友好的,如果需要的话你甚至可以手动打开这些文件并进行编辑。

当然,你也可以从保存好的json文件或yaml文件中载入模型:

# model reconstruction from JSON:
from keras.models import model_from_json
model = model_from_json(json_string)
 
# model reconstruction from YAML
model = model_from_yaml(yaml_string)

(3)只保存模型的权重

如果需要保存模型的权重,可通过下面的代码利用HDF5进行保存。注意,在使用前需要确保你已安装了HDF5和其Python库h5py。

model.save_weights('my_model_weights.h5')

如果你需要在代码中初始化一个完全相同的模型,请使用:

model.load_weights('my_model_weights.h5')

如果你需要加载权重到不同的网络结构(有些层一样)中,例如fine-tune或transfer-learning,你可以通过层名字来加载模型:

model.load_weights('my_model_weights.h5', by_name=True)

例如:

"""
假如原模型为:
 model = Sequential()
 model.add(Dense(2, input_dim=3, name="dense_1"))
 model.add(Dense(3, name="dense_2"))
 ...
 model.save_weights(fname)
"""
# new model
model = Sequential()
model.add(Dense(2, input_dim=3, name="dense_1")) # will be loaded
model.add(Dense(10, name="new_dense")) # will not be loaded
 
# load weights from first model; will only affect the first layer, dense_1.
model.load_weights(fname, by_name=True)

以上这篇keras 权重保存和权重载入方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
用python写的一个wordpress的采集程序
Feb 27 Python
Python 使用SMTP发送邮件的代码小结
Sep 21 Python
Python连接PostgreSQL数据库的方法
Nov 28 Python
详解python之简单主机批量管理工具
Jan 27 Python
python中实现精确的浮点数运算详解
Nov 02 Python
Python 3.x 安装opencv+opencv_contrib的操作方法
Apr 02 Python
对python抓取需要登录网站数据的方法详解
May 21 Python
Pycharm以root权限运行脚本的方法
Jan 19 Python
django框架基于模板 生成 excel(xls) 文件操作示例
Jun 19 Python
基于python调用psutil模块过程解析
Dec 20 Python
From CSV to SQLite3 by python 导入csv到sqlite实例
Feb 14 Python
Python实现寻找回文数字过程解析
Jun 09 Python
浅谈keras保存模型中的save()和save_weights()区别
May 21 #Python
Python通过文本和图片生成词云图
May 21 #Python
解决在keras中使用model.save()函数保存模型失败的问题
May 21 #Python
Python 实现敏感目录扫描的示例代码
May 21 #Python
基于python检查矩阵计算结果
May 21 #Python
Django 解决由save方法引发的错误
May 21 #Python
Python OrderedDict字典排序方法详解
May 21 #Python
You might like
php数据库密码的找回的步骤
2011/01/12 PHP
Smarty变量调节器失效的解决办法
2014/08/20 PHP
Yii中实现处理前后台登录的新方法
2015/12/28 PHP
一些相见恨晚的 JavaScript 技巧
2010/04/25 Javascript
基于jQuery的前端数据通用验证库
2011/08/08 Javascript
javascript删除数组元素并且数组长度减小的简单实例
2014/02/14 Javascript
js变量、作用域及内存详解
2014/09/23 Javascript
使用JQ来编写最基本的淡入淡出效果附演示动画
2014/10/31 Javascript
PHP和NodeJs开发的应用如何共用Session
2015/04/16 NodeJs
解决JS无法调用Controller问题的方法
2015/12/31 Javascript
jQuery获取多种input值的简单实现方法
2016/06/20 Javascript
React实现双向绑定示例代码
2016/09/19 Javascript
基于jQuery实现一个marquee无缝滚动的插件
2017/03/09 Javascript
Es6 Generator函数详细解析
2018/02/24 Javascript
Chart.js 轻量级HTML5图表绘制工具库(知识整理)
2018/05/22 Javascript
使用Node搭建reactSSR服务端渲染架构
2018/08/30 Javascript
微信小程序:数据存储、传值、取值详解
2019/05/07 Javascript
vue:el-input输入时限制输入的类型操作
2020/08/05 Javascript
解决nuxt页面中mounted、created、watch执行两遍的问题
2020/11/05 Javascript
Python列表推导式的使用方法
2013/11/21 Python
在Python中使用全局日志时需要注意的问题
2015/05/06 Python
Django中使用locals()函数的技巧
2015/07/16 Python
在Python运行时动态查看进程内部信息的方法
2019/02/22 Python
Python数据类型之String字符串实例详解
2019/05/08 Python
深入浅析python 协程与go协程的区别
2019/05/09 Python
Python搭建代理IP池实现存储IP的方法
2019/10/27 Python
Python 操作 PostgreSQL 数据库示例【连接、增删改查等】
2020/04/21 Python
Python更换pip源方法过程解析
2020/05/19 Python
css3通过scale()、rotate()实现放大、旋转
2020/03/19 HTML / CSS
彪马荷兰官网:PUMA荷兰
2019/05/08 全球购物
PyQt 如何创建自定义QWidget
2021/03/24 Python
2015大学党建带团建工作总结
2015/07/23 职场文书
《抽屉原理》教学反思
2016/02/20 职场文书
Oracle笔记
2021/04/05 Oracle
MySQL系列之五 视图、存储函数、存储过程、触发器
2021/07/02 MySQL
纯html+css实现奥运五环的示例代码
2021/08/02 HTML / CSS