Python 培训后如何保存掩码RCNN模型？

我正在使用matterport存储库在自定义数据集上训练掩码RCNN。我在训练中取得了成功。现在我想保存经过训练的模型，并在web应用程序中使用它来检测对象。培训后如何保存掩码rcnn模型？请引导我

存储库的链接：

---

在笔记本的“加载模型”主题下，您可以在以推理模式加载模型后将其保存

在“加载模型”主题下的笔记本中，您可以在以推理模式加载模型后将其保存

在文件夹Mask\u RCNN/logs中生成文件夹

在文件夹Mask\u RCNN/logs中生成文件夹

基于，matterport/Mask RCNN的经过训练的模型或权重可以以类似于通过标准Keras训练的方式保存为JSON文件：

更新：如果您遇到与类线程对象相关的错误，您可能会发现有帮助…

基于，matterport/Mask RCNN的经过训练的模型或权重可以以类似于通过标准Keras训练的方式保存为JSON文件：

---

更新：如果您遇到与类线程对象相关的错误，您可能会发现有帮助……

我不确定我们是否真的需要再次保存整个模型，因为通常在使用matterport git时，我们只需在现有架构上训练新权重，而不会对架构进行更改。当我们将其用于pet项目后训练时，我们将一个新模型定义为掩码RCNN对象（来自mrcnn.model import MaskRCNN），参数模式为推断，然后加载新训练的权重模型。加载权重（“”，by_name=True）

我不确定我们是否真的需要再次保存整个模型，因为通常在使用matterport git时，我们只是在现有体系结构上训练新的权重，而不对体系结构进行更改。当我们将其用于pet项目后训练时，我们将一个新模型定义为掩码RCNN对象（来自mrcnn.model import MaskRCNN），参数模式为推断，然后加载新训练的权重模型。加载权重（“”，by_name=True）

您是在寻找保存的权重还是训练后的模型体系结构？模型体系结构您是在寻找保存的权重还是训练后的模型体系结构？模型体系结构OP询问如何保存模型结构，而不是权重。你的答案在每个历元保存权重的情况下都是正确的。OP询问如何保存模型拱门，而不是权重。你的答案是正确的，因为在每个时代都要保存重量。

import keras
import json

def save_model(trained_model, out_fname="model.json"):
    jsonObj = trained_model.keras_model.to_json()
    with open(out_fname, "w") as fh:
        fj.write(jsonObj)
 
save_model(model, "mymodel.json")