如何在训练后保存和加载我的神经网络模型以及Python中的权重？

Question

我用Python训练了一个单层神经网络模型（一个没有keras和tensorflow的简单模型）。在Python中训练后如何将其与权重一起保存，以及稍后如何加载？

Answer 1

所有可训练的参数（如权重和偏差）都可以视为 Python 列表或 NumPy 数组（这是首选）。

对于 Python 列表：

如果您的可训练参数是 Python 列表，那么您可以使用pickle. 你可以pickle这样：

import pickle
# weights is a Python array
pickle.dump( weights , open( 'weights.pkl' , 'wb' ) )

您可以将多个对象组合到一个set或list和 pickle 中，这样您就拥有一个文件。为了阅读它，

weights = pickle.load( open( 'weights.pkl' , 'rb' ))

对于 NumPy 数组：

这使得所有代码变得简单。NumPy 数组可以通过 using 方法保存np.array.save()。

np.save( 'weights.npy' , weights )

并加载它，

weights = np.load( 'weights.npy' )

除了这些流行的方法之外，例如将权重和偏差写入文本文件或 csv 文件也可能有效。此外，JSON 文件可能会有所帮助。

Answer 2

所以你自己写下来。您需要一些简单的步骤：

1. 在神经网络代码中，将权重存储在变量中。可以通过使用 self.weights 来简单地完成。weights 是 numpy ndarrays。例如，如果权重介于 10 个神经元层和 100 个神经元层之间，则它是一个 10 * 100（或 100* 10）nd 数组。
2. 用于numpy.save保存 ndarray。
3. 下次使用网络时，请使用numpy.load加载权重
4. 在网络的第一次初始化中，使用您加载的权重。不要忘记，如果您的网络经过训练，权重应该被冻结。可以通过将学习率归零来完成。