keras 保存模型和加载模型
import numpy as np
np.random.seed(1337) # for reproducibility
from keras.models import Sequential
from keras.layers import Dense
from keras.models import load_model
# create some data
X = np.linspace(-1, 1, 200)
np.random.shuffle(X) # randomize the data
Y = 0.5 * X + 2 + np.random.normal(0, 0.05, (200, ))
X_train, Y_train = X[:160], Y[:160] # first 160 data points
X_test, Y_test = X[160:], Y[160:] # last 40 data points
model = Sequential()
model.add(Dense(output_dim=1, input_dim=1))
model.compile(loss='mse', optimizer='sgd')
for step in range(301):
cost = model.train_on_batch(X_train, Y_train)
# save
print('test before save: ', model.predict(X_test[0:2]))
model.save('my_model.h5') # HDF5 file, you have to pip3 install h5py if don't have it
del model # deletes the existing model
# load
model = load_model('my_model.h5')
print('test after load: ', model.predict(X_test[0:2]))
说明:
1、保存模型的api:
model.save('my_model.h5')
2、加载模型
model = load_model('my_model.h5')
---------------------
作者:BYR_jiandong
来源:CSDN
原文:https://blog.csdn.net/lujiandong1/article/details/55806435
版权声明:本文为博主原创文章,转载请附上博文链接!
相关文章
- Linux高并发机制——epoll模型
- PyTorch | 如何保存和加载PyTorch模型?
- Python Word2vec训练医学短文本字/词向量实例实现,Word2vec训练字向量,Word2vec训练词向量,Word2vec训练保存与加载模型,Word2vec基础知识
- 自然语言处理(NLP)-语言模型【用来判断一句话语法上是否通顺】:N-gram语言模型(基于语料库的统计结果)--> N-gram神经网络语言模型 【语言模型的评估(①:PPL困惑度;②:BPC)】
- 部署模型:Libtorch使用笔记【Pytorch的C++版本】【把用Pytorch训练好的模型打包保存为.pt格式,使用Libtorch去加载.pt格式模型,在C++工程中去用就好了】
- Pytorch模型加载函数:torch.load()
- D.7 UIE分类模型【以情感倾向分析新闻分类为例】含智能标注方案)
- 数据库事务系列-HBase行级事务模型
- 威胁情报成熟度模型
- Transformer课程 第39章Transformer模型RAG的架构
- 图像切割之(五)活动轮廓模型之Snake模型简单介绍
- LearnOpenGL-模型加载-2.网格与自定义Mesh类
- Unity动态加载3D模型
- OpenGL之——assimp加载模型
- MapReduce编程模型简介和总结
- 通信编程:WSAAsyncSelect 模型通信
- Java多线程-并发协作(生产者消费者模型)
- HBase源码分析之事件处理模型