第一卷 第十三章 保存和加载模型

        在我们的上一章中，您学习了如何使用Keras库训练您的第一个卷积神经网络。但是，您可能已经注意到，每次您想要评估您的网络或在一组图像上测试它时，您首先需要对其进行训练，然后才能进行任何类型的评估。这个要求可能非常麻烦。

        我们只在可以相对较快地训练的小数据集上使用浅层网络，但是如果我们的网络很深并且我们需要在更大的数据集上训练它，从而需要花费数小时甚至数天的时间来训练怎么办？我们是否需要每次都投入这么多的时间和资源来训练我们的网络？或者有没有办法在训练完成后将我们的模型保存到磁盘，然后在我们想要对新图像进行分类时从磁盘加载它？

        保存和加载训练模型的过程称为模型序列化，是本章的主要主题。

        使用Keras库，模型序列化就像在训练好的模型上调用model.save一样简单，然后通过load_model函数加载它。

        相关参考网址