Tensorflow 微调Keras模型
我正在利用CNN进行面部表情识别。我使用Keras和Tensorflow作为后端。我的模型保存为h5格式 我想重新训练我的网络,并用VGG模型微调我的模型Tensorflow 微调Keras模型,tensorflow,keras,Tensorflow,Keras,我正在利用CNN进行面部表情识别。我使用Keras和Tensorflow作为后端。我的模型保存为h5格式 我想重新训练我的网络,并用VGG模型微调我的模型 我怎么能对keras这么做 保存您的模型架构和权重: json_string = model.to_json() model.save_weights('model_weights.h5') 负载模型架构和权重: from keras.models import model_from_json model = model_from_json
我怎么能对keras这么做 保存您的模型架构和权重:
json_string = model.to_json()
model.save_weights('model_weights.h5')
负载模型架构和权重:
from keras.models import model_from_json
model = model_from_json(json_string)
model.load_weights('model_weights.h5')
从这里再次开始精细调整训练。我希望这有帮助。您可以使用Keras
model.save(filepath)
功能
有关各种Keras保存和加载技术的详细信息,请参见本YouTube视频中的示例:
model.save(文件路径)
保存:
- 模型的体系结构,允许重新创建模型
- 模型的权重
- 培训配置(丢失、优化器)
- 优化器的状态,允许在您停止的位置恢复培训
from keras.models import load_model
new_model = load_model(filepath)
如果使用model.to_json()
,则只会保存模型的体系结构。此外,如果使用了model.save_weights()
,则只能保存模型的权重。使用这两种替代保存技术,您既不会保存培训配置(丢失,优化器),也不会保存优化器的状态