将不同的 Keras 模型合并为 ONE

Question

我正在尝试使用 LSTM 预测时间序列。为了减少方差，我尝试使用 3 个模型进行预测，并取 3 个模型的平均值，这给了我更好的结果。在训练和验证之后，我现在想保存我的模型以供将来预测。但是，由于我有 3 个不同的模型，我想知道是否可以将它们合并到一个模型中然后保存/加载它，或者我是否应该一个一个地保存所有模型并稍后加载它们以供将来预测？

# fit 3 models
   model1 = fit_lstm(train_scaled, batch_size,nb_epochs, nb_neurons)
   model2 = fit_lstm(train_scaled, batch_size,nb_epochs, nb_neurons)
   model3 = fit_lstm(train_scaled, batch_size,nb_epochs, nb_neurons)

# predict on test set using 3 models
   forecast1 = model1.predict(test_reshaped, batch_size=batch_size)
   forecast2 = model2.predict(test_reshaped, batch_size=batch_size)
   forecast3 = model3.predict(test_reshaped, batch_size=batch_size)

Answer 1

你在追求一个集成模型。

类似于以下内容：

from keras.models import load_model
models=[]
for i in range(numOfModels):

    modelTemp=load_model(path2modelx) # load model
    modelTemp.name="aUniqueModelName" # change name to be unique
    models.append(modelTemp)


def ensembleModels(models, model_input):
    # collect outputs of models in a list
    yModels=[model(model_input) for model in models] 
    # averaging outputs
    yAvg=layers.average(yModels) 
    # build model from same input and avg output
    modelEns = Model(inputs=model_input, outputs=yAvg,    name='ensemble')  

    return modelEns



model_input = Input(shape=models[0].input_shape[1:]) # c*h*w
modelEns = ensembleModels(models, model_input)
model.summary()

保存集成模型：

modelEns.save(<path_to_model>)

加载和预测：

modelEns=load_model(<path_to_model>)
modelEns.summary()
y=modelEns.predict(x)

Source

也检查this article。