是否可以重新训练以前保存的 keras 模型？

Question

我正在使用 keras 和 tensorflow 进行时间序列预测。我需要用未来的数据重新训练模型。我的问题是，这在 keras 中是否可行，我们如何做到这一点？

Answer 1

是的。

将模型另存为 .h5

当你想训练你的模型时，再次加载它并像往常一样做一个 model.fit。

确保在加载模型后不要编译模型，因为这会重置您的权重。

查看link了解更多信息

Answer 2

我正在为任何新用户更新答案，因为这是很久以前的事了。如果您使用的是最近的Tensorflow（例如TF2.1 或更高版本），则可以如上所述重新训练模型。

有两个重要的选项（保存为 *.tf 格式和保存为 *.h5 格式）。两种选项的保存方式相似，但加载保存的模型时有所不同。

1。保存为 *.tf 格式

当您加载保存的模型时，compile = True 默认为默认值，它将保留权重而不会出现任何问题。加载保存的模型后，您可以像往常一样使用loaded_model.fit() 重新训练。

model.save('./MyModel_tf',save_format='tf')
# loading the saved model
loaded_model = tf.keras.models.load_model('./MyModel_tf')

# retraining the model
loaded_model.fit(x_train, y_train, epochs = 10, validation_data = (x_test,y_test),verbose=1)

2。保存为 *.h5 格式

当你加载保存的模型时，compile = True 是默认的，它会显示如下警告。

WARNING:tensorflow:Error in loading the saved optimizer state. As a result, your model is starting with a freshly initialized optimizer

上述错误意味着它将使用新初始化的优化器。加载保存的模型后，您可以像往常一样使用loaded_model.fit() 重新训练。

model.save('./MyModel_h5.h5', save_format='h5')
# loading the saved model
loaded_model_h5 = tf.keras.models.load_model('./MyModel_h5.h5')

请查看详细example here。

另外最重要的一点是，当你有custom_objects时，你需要在加载模型时选择compile=False，然后用custom_objects编译模型。上述两种方法都是如此。

希望这会有所帮助。谢谢！