保存 DNN 模型会保存 3 个文件。如何加载？答案

【问题标题】：Saving DNN model saves 3 files. How to load?保存 DNN 模型会保存 3 个文件。如何加载？
【发布时间】：2017-10-11 23:11:07
【问题描述】：

我使用 Keras 训练了一个 DNN。但是，我无法保存和加载模型。

from keras.models import load_model
model.save('/home/ubuntu/pynb/savedmodel.tfl')
#model.load('/home/ubuntu/pynb/savedmodel.tfl')

但我发现不是 savedmodel.tfl 文件，而是 3 个扩展名为 .meta、.index 和 .data.00000-of-00001 的文件。因此，当我尝试使用 model.load 加载时，它说找不到该文件。

我还尝试了 SO 上建议的其他替代方案

model_json = model.to_json()

但我得到一个错误 AttributeError：“DNN”对象没有属性“to_json”

我使用的是 Keras 2.0.4 版。

请建议如何正确保存以及如何从3个文件中加载？

编辑：（我正在添加与构建模型相关的代码）

net = tflearn.input_data([None, size_of_each_vector]) 
net = tflearn.embedding(net, input_dim=vocab_size, output_dim=128) 
net = tflearn.lstm(net, 128, dropout=0.6) # Set the dropout to 0.6
net = tflearn.fully_connected(net, no_of_unique_y_labels, activation='softmax') # relu or softmax
net = tflearn.regression(net, 
                     optimizer='adam',
                     learning_rate=1e-4,
                     loss='categorical_crossentropy')

model = tflearn.DNN(net, tensorboard_verbose=0)
model.fit(X_train_padded_seqs, y_train, 
       validation_set=(X_test_padded_seqs, y_test), 
       n_epoch=n_epoch,
       show_metric=True, 
       batch_size=100)

【问题讨论】：

model.save() 保存为 HDF5 文件，那么如果保存为 a.h5 扩展名而不是 .tfl 会发生什么？另请注意， model.to_json() 仅保存模型的体系结构。它不会像 model.save() 那样保存它的权重或训练配置。话虽如此，模型是什么类型的对象？鉴于错误消息指出 DNN 对象没有 to_json()，这表明您的模型不是 Keras Sequential 或 Functional 模型之一。您能否分享显示正在实例化的模型的代码？
感谢您的回复。即使我有 .h5 作为扩展名（保存 3 个文件），错误/问题也是相同的，是的，它是一个 DNN 对象。我已经编辑了问题以添加显示正在实例化的模型的代码
我是一个新手，我有点期待使用 tflearn 构建的模型可以与 Keras 一起使用。如果这个假设是错误的，我可以要求您发布如何使用 Keras 构建相同的模型吗？
是的，您需要一个 Keras 模型才能使用 Keras 模型保存功能。 Keras 实际上是一种高级语言，它将 TF 代码包装成相对更易于阅读和使用的代码。我建议从 Keras Sequential 模型开始。将您的 TF 模型映射到 Keras Sequential 模型应该不难。 Keras Sequential 模型的快速指南在这里：keras.io/getting-started/sequential-model-guide 我还有一个 YouTube 播放列表，用于开始使用 Keras：youtube.com/playlist?list=PL_SSujepRkqyjjbWnXQBzKXXm86UQ53Ic
请添加标签。

标签： tensorflow deep-learning keras keras-2

【解决方案1】：

您使用的模型是 Tensorflow 模型。您的模型必须是 Keras 模型才能利用 Keras 保存功能。

一旦您将模型转换为 Keras 模型（如果您愿意），this video 会检查 Keras 提供的不同保存和加载机制。

另外，请注意，model.to_json() 仅保存模型的架构。它不会像model.save() 那样保存它的权重或训练配置。

【讨论】：