在 Keras 中保存迁移学习模型的正确方法

Question

我已经使用 keras 中 ResNet50 的迁移学习训练了一个宪法网络，如下所示。

base_model = applications.ResNet50(weights='imagenet', include_top=False, input_shape=(333, 333, 3))

## set model architechture
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x) 
x = Dense(256, activation='relu')(x) 
predictions = Dense(y_train.shape[1], activation='softmax')(x) 
model = Model(input=base_model.input, output=predictions)

model.compile(loss='categorical_crossentropy', optimizer=optimizers.SGD(lr=1e-4, momentum=0.9),
              metrics=['accuracy'])

model.summary()

按照下面给出的训练模型后，我想保存模型。

history = model.fit_generator(
    train_datagen.flow(x_train, y_train, batch_size=batch_size),
    steps_per_epoch=600,
    epochs=epochs,
    callbacks=callbacks_list
)

我不能使用 keras 模型中的 save_model() 函数，因为这里的模型是 Model 类型。我使用 save() 函数来保存模型。但后来当我加载模型并验证模型时，它的行为就像一个未经训练的模型。我认为重量没有保存。哪里错了。？如何正确保存这个模型？

Answer 1

根据Keras official docs， 如果你只需要保存一个模型的架构就可以使用

model_json = model.to_json()
with open("model_arch.json", "w") as json_file:
    json_file.write(model_json)

为了节省重量

model.save_weights("my_model_weights.h5")

你可以稍后加载json文件并使用

from keras.models import model_from_json
model = model_from_json(json_string)

同样，你可以使用权重

model.load_weights('my_model_weights.h5')

我正在使用相同的方法，并且效果很好。

Answer 2

我不知道我的模型会发生什么，但我从来没有使用过save_model() 和load_model()，总是有相关的错误。但是这些功能是存在的。

我通常做的是保存和加载权重（使用模型就足够了，但可能会导致进一步训练的小问题，因为“优化器”状态没有保存，但它从来不是一个大问题，很快一个新的优化器找到了自己的方式）

model.save_weights(fileName)
model.load_weights(fileName)

我们使用 numpy 进行保存的另一种选择 - 这个永远不会失败：

np.save(fileName,model.get_weights())
model.set_weights(np.load(fileName))

为此，只需再次创建模型（保留用于创建模型的代码）并设置其权重。