Machine learning 什么'；在模型旁边存储Keras模型参数和模型架构的最佳方法是什么？

我希望将所有模型参数（优化器、学习率、批量大小等）和模型架构（层的数量和类型）与模型一起保存，以便稍后返回分析为什么某些模型工作得更好

是否有一种简单的方法来存储此元数据和权重？

来源：

这包括优化器（它应该包括学习率和批量大小）。除此之外，你还可以使用

• 使用版本控制下的配置脚本（我在硕士论文中这样做，请参阅）
• 存储训练脚本

如果您想要一个文件，只需使用容器文件格式，如

.tar

来自：

这包括优化器（它应该包括学习率和批量大小）。除此之外，你还可以使用

• 使用版本控制下的配置脚本（我在硕士论文中这样做，请参阅）
• 存储训练脚本

---

如果您想要一个文件，只需使用容器文件格式，如

.tar

我认为如果您使用tensorflow后端，

tf.train.Saver

可以节省优化器和学习率，我不知道它是否可以节省批量大小，但您可以尝试一下。我认为如果您使用tensorflow后端，

tf.train.Saver

可以节省优化器和学习率，我不知道它是否可以节省批量大小，但您可以试一试。

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')