从经过训练的 keras 模型中获取训练超参数答案

【问题标题】：Get training hyperparameters from a trained keras model从经过训练的 keras 模型中获取训练超参数
【发布时间】：2019-05-28 01:50:26
【问题描述】：

我正在尝试找出一些用于训练我拥有的一些旧 keras 模型的超参数。它们被保存为 .h5 文件。使用model.summary() 时，我得到了模型架构，但没有关于模型的其他元数据。

当我在 notepad++ 中打开这个 .h5 文件时，大部分文件不是人类可读的，但有些部分我可以理解，例如；

{"loss_weights": null, "metrics": ["accuracy"], "sample_weight_mode": 空，“优化器配置”：{“配置”：{“衰减”：0.0，“动量”： 0.8999999761581421，“nesterov”：假，“lr”：9.999999747378752e-05}，“class_name”：“SGD”}，“loss”：“binary_crossentropy”}

model.summary() 打印的输出中不存在。

有没有办法使这些文件具有可读性，或者获得包含版本信息和训练参数的更广泛的摘要？

【问题讨论】：

你想看哪些超参数？
@Matias 我想看看我能看到的一切，不包括特定的权重和偏差。我想重现旧模型，因此有助于了解它是如何训练的。
问题是权重和偏差不是超参数，因此准确了解您的期望会很有用。 H5 文件通常包含有关模型的所有信息，包括配置。

标签： python keras hdf5

【解决方案1】：

我认为您想要的是模型配置，您可以通过以下方式获得这些：

model.get_config()

它返回一个描述模型配置的“人类可读” JSON 字符串。您可以使用它来重建模型并再次训练它，或者进行更改。

【讨论】：

【解决方案2】：

如果你想知道层的超参数（层数，每层的神经元数量，每层使用的激活函数），你可以这样做：

model.get_config()

要找出训练中使用的 loss 函数，请执行以下操作：

model.loss

另外，如果您想了解训练中使用的Optimizer，请执行以下操作：

model.optimizer

最后，为了找出训练时使用的学习率，请执行以下操作：

from keras import backend as K
K.eval(m.optimizer.lr)

PS：上面提供的示例使用 keras v2.3.1。

【讨论】：

【解决方案3】：

配置 - model.get_config()

优化器配置 - model.optimizer.get_config()

训练配置model.history.params（如果模型被保存并重新加载，这将为空）

损失函数 - model.loss

【讨论】：