keras中的负荷模型
当在keras API中将模型(先前处理)加载到LSTM网络时,它是否会(明确地)在网络中包含训练数据keras中的负荷模型,keras,deep-learning,lstm,Keras,Deep Learning,Lstm,当在keras API中将模型(先前处理)加载到LSTM网络时,它是否会(明确地)在网络中包含训练数据 如果不是,这将如何帮助预测时间序列中的模式。因为任何神经网络(CNN、LSTM或其他)的目标都是从列车数据中学习(计算时间)并推广到任何数据(相同问题)。因此,您只需要加载网络和wheights的体系结构 在keras中,简单的方法是使用以下内容保存/加载架构和wheights: model.save('my_model.hdf5') model.load('my_model.hdf5')
如果不是,这将如何帮助预测时间序列中的模式。因为任何神经网络(CNN、LSTM或其他)的目标都是从列车数据中学习(计算时间)并推广到任何数据(相同问题)。因此,您只需要加载网络和wheights的体系结构 在keras中,简单的方法是使用以下内容保存/加载架构和wheights:
model.save('my_model.hdf5')
model.load('my_model.hdf5')
因为任何神经网络(CNN、LSTM或其他)的目标都是从训练数据(计算wheights)中学习并推广到任何数据(相同问题)。因此,您只需要加载网络和wheights的体系结构 在keras中,简单的方法是使用以下内容保存/加载架构和wheights:
model.save('my_model.hdf5')
model.load('my_model.hdf5')
将模型(先前处理)加载到中的LSTM网络时
keras API是否将培训数据(明确)包含在网络中
否model.save()
用于排除已保存文件中的培训数据。
大多数情况下,在进行预测培训后保存模型。在预测案例中,您不再需要原始数据,因为模型基于与模型一起保存的训练权重进行预测,该权重基本上是定义模型的层列表model.summary()
描述keras关于模型的信息
如果不是,这个(负载模型)如何帮助预测模式
在时间序列中
model.save()
save基本上有两件事:
from keras.models import Sequential
from keras_contrib.losses import import crf_loss
from keras_contrib.metrics import crf_viterbi_accuracy
# To save model
model.save('my_model_01.hdf5')
# To load the model
custom_objects={'CRF' : CRF,
'crf_loss' : crf_loss,
'crf_viterbi_accuracy': crf_viterbi_accuracy}
# To load a persisted model that uses the CRF layer
model1 = load_model("/home/abc/my_model_01.hdf5", custom_objects = custom_objects)
将模型(先前处理)加载到中的LSTM网络时
keras API是否将培训数据(明确)包含在网络中
否model.save()
用于排除已保存文件中的培训数据。
大多数情况下,在进行预测培训后保存模型。在预测案例中,您不再需要原始数据,因为模型基于与模型一起保存的训练权重进行预测,该权重基本上是定义模型的层列表model.summary()
描述keras关于模型的信息
如果不是,这个(负载模型)如何帮助预测模式
在时间序列中
model.save()
save基本上有两件事:
模型的权重是您培训的结果,是您的模型在培训期间获得的“知识”,这是预测新样本所必需的。非常感谢@Marcelo QueirósThank you@Marcelo QueirósWell@dennis ec。还有一个疑问是验证数据是否重要,或者测试数据是否重要,或者这两个数据都是培训所必需的?培训需要验证数据。你需要一个独立的数据集来验证你的训练,并确保你不会过度训练。由于您使用验证集确定培训的终点,因此它与培训并非完全无关。因此,为了在完全不相关的数据集上测试模型,您需要测试数据集。此数据集不得在培训期间使用。dennis ec解释得很好。还有一个疑问是验证数据是否重要,或者测试数据是否重要,或者这两个数据都是培训所必需的?培训需要验证数据。你需要一个独立的数据集来验证你的训练,并确保你不会过度训练。由于您使用验证集确定培训的终点,因此它与培训并非完全无关。因此,为了在完全不相关的数据集上测试模型,您需要测试数据集。培训期间不得使用此数据集。
from keras.models import Sequential
from keras_contrib.losses import import crf_loss
from keras_contrib.metrics import crf_viterbi_accuracy
# To save model
model.save('my_model_01.hdf5')
# To load the model
custom_objects={'CRF' : CRF,
'crf_loss' : crf_loss,
'crf_viterbi_accuracy': crf_viterbi_accuracy}
# To load a persisted model that uses the CRF layer
model1 = load_model("/home/abc/my_model_01.hdf5", custom_objects = custom_objects)