在 keras 中保存模型 h5 会导致精度降低答案

【问题标题】：Saving model h5 in keras proceduces low performances in precision在 keras 中保存模型 h5 会导致精度降低
【发布时间】：2018-05-21 13:27:14
【问题描述】：

我已经通过使用 Keras 开发/实现了一个 CNET

 model.fit()

我已经正确保存了模型：

 model.save('my_model_CNET32.h5')

如果在训练过程结束时不保存模型我使用 测试数据集测试性能我获得了 99% 的精度，同时通过保存模型和然后通过使用重新加载它：

 model = load_model('my_model_CNET32.h5')

在一个专门用于测试 CNET 所学内容的新脚本中，我获得了 70%。

注意，很明显，测试数据集是完全一样的，我可以推断由于保存失败分类性能较低em> 模型。

你知道这个问题的原因是什么吗？

提前致谢

【问题讨论】：

你在使用 keras 提供的 .evaluate() 函数吗？如果是，您可以使用 .predict() 构建自己的函数并手动计算错误吗？我记得如果您的样本数量不是您的批量大小的倍数，则进行评估时有些奇怪。
Keras 论坛上似乎有一个（无休止的......）正在进行的讨论：model.save and load giving different result

【解决方案1】：

这是我在 CNET 中遇到的类似问题。问题可能是其中之一：

Keras 以错误的方式将模型保存为 .h5 格式。尽管 Keras 仍支持 .h5 格式，但通过查看开发人员指南，似乎最好将模型保存为新的 SavedModel 格式，因为它保存了从架构到模型优化器状态的所有内容。
模型的 compile 方法中没有指定正确的准确度指标。这是我从这两个问题中发现的：
1. Keras giving low accuracy after loading model
2. Accuracy is lost after save/load

【讨论】：