在Keras中保存传输学习模型的正确方法

Question

我使用来自Keras的ResNet50的转移学习训练了一个宪法网络,如下所示.

base_model = applications.ResNet50(weights='imagenet', include_top=False, input_shape=(333, 333, 3))

## set model architechture
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x) 
x = Dense(256, activation='relu')(x) 
predictions = Dense(y_train.shape[1], activation='softmax')(x) 
model = Model(input=base_model.input, output=predictions)

model.compile(loss='categorical_crossentropy', optimizer=optimizers.SGD(lr=1e-4, momentum=0.9),
              metrics=['accuracy'])

model.summary()

在训练模型后,我想保存模型.

history = model.fit_generator(
    train_datagen.flow(x_train, y_train, batch_size=batch_size),
    steps_per_epoch=600,
    epochs=epochs,
    callbacks=callbacks_list
)

我不能使用keras模型中的save_model()函数,因为模型在这里是Model类型.我使用save()函数来保存模型.但后来当我加载模型并验证模型时,它表现得像一个未经训练的模型.我认为重量没有得到保存.哪里错了.？如何正确保存此模型.

Answer 1

根据Keras官方文档,如果您只需要保存可以使用的模型的体系结构

model_json = model.to_json()
with open("model_arch.json", "w") as json_file:
    json_file.write(model_json)

为了减轻重量

model.save_weights("my_model_weights.h5")

您可以稍后加载json文件并使用

from keras.models import model_from_json
model = model_from_json(json_string)

同样,对于您可以使用的重量

model.load_weights('my_model_weights.h5')

我使用相同的方法,这非常有效.