在 keras 中保存和加载权重

Question

我正在尝试从我训练的模型中保存和加载权重。

我用来保存模型的代码是。

TensorBoard(log_dir='/output')
model.fit_generator(image_a_b_gen(batch_size), steps_per_epoch=1, epochs=1)
model.save_weights('model.hdf5')
model.save_weights('myModel.h5')

如果这是不正确的方法，或者是否有更好的方法，请告诉我。

但是当我尝试加载它们时，使用这个，

from keras.models import load_model
model = load_model('myModel.h5')

但我收到此错误：

---

ValueError                                Traceback (most recent call 
last)
<ipython-input-7-27d58dc8bb48> in <module>()
      1 from keras.models import load_model
----> 2 model = load_model('myModel.h5')

/home/decentmakeover2/anaconda3/lib/python3.5/site-
packages/keras/models.py in load_model(filepath, custom_objects, compile)
    235         model_config = f.attrs.get('model_config')
    236         if model_config is None:
--> 237             raise ValueError('No model found in config file.')
    238         model_config = json.loads(model_config.decode('utf-8'))
    239         model = model_from_config(model_config, 
custom_objects=custom_objects)

ValueError: No model found in config file.

关于我可能做错的任何建议？ 提前谢谢你。

Answer 1

这是一个 YouTube 视频，它准确地解释了您想要做什么：Save and load a Keras model

Keras 提供了三种不同的保存方法。这些在上面的视频链接（带有示例）以及下面都有描述。

首先，您收到错误的原因是您错误地调用了load_model。

要保存和加载模型的权重，您首先要使用

model.save_weights('my_model_weights.h5')

保存权重，如您所显示的。要加载权重，您首先需要构建模型，然后在模型上调用 load_weights，如

model.load_weights('my_model_weights.h5')

另一种保存技巧是model.save(filepath)。这个save 函数保存：

• 模型的架构，允许重新创建模型。
• 模型的权重。
• 训练配置（损失、优化器）。
• 优化器的状态，允许在您停止的地方恢复训练。

要加载此保存的模型，您可以使用以下内容：

from keras.models import load_model
new_model = load_model(filepath)'

最后，model.to_json()，仅保存模型的架构。要加载架构，您可以使用

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

Answer 2

要加载权重，您需要先有一个模型。必须是：

existingModel.save_weights('weightsfile.h5')
existingModel.load_weights('weightsfile.h5')     

如果您想保存和加载整个模型（这包括模型的配置、权重和优化器状态以供进一步训练）：

model.save_model('filename')
model = load_model('filename')

Answer 3

由于这个问题已经很老了，但仍然出现在 google 搜索中，我认为最好指出保存 Keras 模型的更新（和推荐）方法。 与其像之前展示的那样使用旧的 h5 格式保存它们，现在建议使用 SavedModel 格式，它实际上是一个包含模型配置和权重的字典。

更多信息可以在这里找到：https://www.tensorflow.org/guide/keras/save_and_serialize

保存和加载的sn-ps可以在下面找到：

model.fit(test_input, test_target)
# Calling save('my_model') creates a SavedModel folder 'my_model'.
model.save('my_model')

# It can be used to reconstruct the model identically.
reconstructed_model = keras.models.load_model('my_model')

此示例输出：

Answer 4

从头开始加载模型需要您从头开始构建模型， 所以你可以先尝试使用model.to_json()来保存你的模型架构

model_architecture = model.to_json()

使用保存模型权重

model.save_weights('model_weights.h5')
       

要加载权重，您需要使用保存的 json 文件重建模型 首先。

from tensorflow.keras.models import model_from_json
model = model_from_json(model_architecture) 

然后使用加载权重

model.load_weights('model_weights.h5') 

您现在可以编译和测试模型，无需重新训练 例如

model.compile(loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
          optimizer=keras.optimizers.Adam(lr=0.001), metrics=["accuracy"])

model.evaluate(x_test, y_test, batch_size=32, verbose=2)