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
python进阶教程之函数对象(函数也是对象)
Aug 30 Python
python base64 decode incorrect padding错误解决方法
Jan 08 Python
Python自定义函数定义,参数,调用代码解析
Dec 27 Python
Python实现OpenCV的安装与使用示例
Mar 30 Python
python中subprocess批量执行linux命令
Apr 27 Python
python实现维吉尼亚算法
Mar 20 Python
Django利用cookie保存用户登录信息的简单实现方法
May 27 Python
PyCharm搭建Spark开发环境实现第一个pyspark程序
Jun 13 Python
Python学习笔记之列表推导式实例分析
Aug 13 Python
自定义django admin model表单提交的例子
Aug 23 Python
基于python实现监听Rabbitmq系统日志代码示例
Nov 28 Python
python 实现图片裁剪小工具
Feb 02 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经典的给图片加水印程序
2006/12/06 PHP
PHP分页显示制作详细讲解
2008/11/19 PHP
供参考的 php 学习提高路线分享
2011/10/23 PHP
PHP生成图片验证码、点击切换实例
2014/06/25 PHP
php使用Imagick生成图片的方法
2015/07/31 PHP
php结合web uploader插件实现分片上传文件
2016/05/10 PHP
js中传递特殊字符(+,&)的方法
2014/01/16 Javascript
js进行表单验证实例分析
2015/02/10 Javascript
jQuery form插件之ajaxForm()和ajaxSubmit()的可选参数项对象
2016/01/23 Javascript
高效利用Angular中内置服务$http、$location等
2016/03/22 Javascript
java中String类型变量的赋值问题介绍
2016/03/23 Javascript
总结jQuery插件开发中的一些要点
2016/05/16 Javascript
jQuery学习笔记之回调函数
2016/08/15 Javascript
详解Javascript中的原型OOP
2016/10/12 Javascript
JavaScript基本类型值-Number类型
2017/02/24 Javascript
nodejs简单实现TCP服务器端和客户端的聊天功能示例
2018/01/04 NodeJs
Vue.js自定义事件的表单输入组件方法
2018/03/08 Javascript
Vue实现将数据库中带html标签的内容输出(原始HTML(Raw HTML))
2019/10/28 Javascript
如何使用Jquery动态生成二级选项列表
2020/02/06 jQuery
[04:54]DOTA2 2017国际邀请赛:上届冠军WINGS采访短片
2017/08/09 DOTA
[43:43]完美世界DOTA2联赛PWL S2 LBZS vs Forest 第三场 11.29
2020/12/02 DOTA
python比较两个列表是否相等的方法
2015/07/28 Python
python函数局部变量用法实例分析
2015/08/04 Python
Python编程中的文件读写及相关的文件对象方法讲解
2016/01/19 Python
Python编程实现生成特定范围内不重复多个随机数的2种方法
2017/04/14 Python
python+selenium识别验证码并登录的示例代码
2017/12/21 Python
python3 常见解密加密算法实例分析【base64、MD5等】
2019/12/19 Python
Python Scrapy图片爬取原理及代码实例
2020/06/12 Python
Python判断远程服务器上Excel文件是否被人打开的方法
2020/07/13 Python
使用Python+Appuim 清理微信的方法
2021/01/26 Python
简述Html5 IphoneX 适配方法
2018/02/08 HTML / CSS
美国名表在线商城:Ashford(支持中文)
2019/09/24 全球购物
历史系毕业生自荐信
2013/10/28 职场文书
后备干部培训方案
2014/05/22 职场文书
农村党员干部承诺书
2015/05/04 职场文书
2016学校元旦晚会经典开场白台词
2015/12/03 职场文书