如何使用 Python 中的 Keras 保存和序列化模型？

TensorFlow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用，用于实现算法、深度学习应用程序等等。它用于研究和生产目的。

可以使用以下代码行在 Windows 上安装 “tensorflow” 包：

pip install tensorflow

张量 (Tensor) 是 TensorFlow 中使用的数据结构。它有助于连接数据流图中的边。此数据流图称为“数据流图”。张量只不过是多维数组或列表。

它们可以使用三个主要属性来识别：

  • **秩 (Rank)** − 它表示张量的维度。可以理解为张量的阶数或已定义张量的维度数。

  • **类型 (Type)** − 它表示与张量元素关联的数据类型。它可以是一维、二维或 n 维张量。

  • **形状 (Shape)** − 它是行数和列数的组合。

Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有高效的界面，有助于解决机器学习问题。它运行在 TensorFlow 框架之上。它是为了帮助快速进行实验而构建的。它提供了开发和封装机器学习解决方案所必需的基本抽象和构建块。

它具有高度的可扩展性，并具有跨平台能力。这意味着 Keras 可以运行在 TPU 或 GPU 集群上。Keras 模型也可以导出到 Web 浏览器或移动电话上运行。

Keras 已经存在于 TensorFlow 包中。可以使用以下代码行访问它。

import tensorflow
from tensorflow import keras

Keras 函数式 API 有助于创建比使用顺序 API 创建的模型更灵活的模型。函数式 API 可以处理具有非线性拓扑的模型，可以共享层，并可以处理多个输入和输出。深度学习模型通常是一个包含多个层的定向无环图 (DAG)。函数式 API 有助于构建图层图。

我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，无需任何配置，并且可以免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。以下是学习如何使用 Keras 使用 Python 保存和序列化模型的代码：

示例

print("Save the model to a file")
model.save("path_to_my_model")
print("Delete the model")
del model
print("Recreating the model from the saved model")
model = keras.models.load_model("path_to_my_model")

代码来源 − https://tensorflowcn.cn/guide/keras/functional

输出

Save the model to a file")
INFO:tensorflow:Assets written to: path_to_my_model/assets
Delete the model
Recreating the model from the saved model

解释

  • 模型保存到文件中。

  • 此模型已删除，以便可以从文件中保存的模型重新创建它。

  • 它使用 “load_model” 方法重新创建。

更新于：2021年1月18日

浏览量 155 次

启动您的职业生涯

通过完成课程获得认证

开始
广告