keras 权重保存和权重载入方式

以下是关于“Keras 权重保存和权重载入方式”的完整攻略，其中包含两个示例说明。

示例1：使用 HDF5 格式保存和载入权重

步骤1：导入必要库

在使用 HDF5 格式保存和载入权重之前，我们需要导入一些必要的库，包括keras。

import keras

步骤2：定义模型和数据

在这个示例中，我们使用随机生成的数据和模型来演示如何使用 HDF5 格式保存和载入权重。

# 定义随机生成的数据和模型
X_train = np.random.rand(100, 10)
y_train = np.random.rand(100, 1)
X_val = np.random.rand(50, 10)
y_val = np.random.rand(50, 1)
model = keras.Sequential([
    keras.layers.Dense(64, activation='relu', input_shape=(10,)),
    keras.layers.Dense(64, activation='relu'),
    keras.layers.Dense(1)
])
model.compile(optimizer=keras.optimizers.Adam(0.01), loss='mse')

步骤3：使用 HDF5 格式保存和载入权重

使用定义的模型和数据，使用 HDF5 格式保存和载入权重。

# 使用 HDF5 格式保存权重
model.save_weights('model.h5')

# 使用 HDF5 格式载入权重
model.load_weights('model.h5')

# 输出结果
print('Weights saved and loaded successfully!')

步骤4：结果分析

使用 HDF5 格式可以方便地保存和载入权重。在这个示例中，我们使用 HDF5 格式保存和载入权重，并成功地输出了结果。

示例2：使用 JSON 格式保存和载入权重

步骤1：导入必要库

在使用 JSON 格式保存和载入权重之前，我们需要导入一些必要的库，包括keras。

import keras

步骤2：定义模型和数据

在这个示例中，我们使用随机生成的数据和模型来演示如何使用 JSON 格式保存和载入权重。

# 定义随机生成的数据和模型
X_train = np.random.rand(100, 10)
y_train = np.random.rand(100, 1)
X_val = np.random.rand(50, 10)
y_val = np.random.rand(50, 1)
model = keras.Sequential([
    keras.layers.Dense(64, activation='relu', input_shape=(10,)),
    keras.layers.Dense(64, activation='relu'),
    keras.layers.Dense(1)
])
model.compile(optimizer=keras.optimizers.Adam(0.01), loss='mse')

步骤3：使用 JSON 格式保存和载入权重

使用定义的模型和数据，使用 JSON 格式保存和载入权重。

# 使用 JSON 格式保存权重
model_json = model.to_json()
with open('model.json', 'w') as json_file:
    json_file.write(model_json)
model.save_weights('model.h5')

# 使用 JSON 格式载入权重
with open('model.json', 'r') as json_file:
    loaded_model_json = json_file.read()
loaded_model = keras.models.model_from_json(loaded_model_json)
loaded_model.load_weights('model.h5')

# 输出结果
print('Weights saved and loaded successfully!')