保存 Keras 模型并将其重用于迁移学习

Question

我在 Keras 中为 CNN 构建了一个模型。我想保存这个模型，并将这个经过训练的模型作为预训练模型重用于迁移学习。我不明白保存模型以重用于迁移学习的正确方法是什么。再次说明如何在 Keras 中加载我的预训练模型，以便在加载之前的模型后添加一些层。

这是我构建的模型

model_cnn = Sequential()      # initilaizing the Sequential nature for CNN model
# Adding the embedding layer which will take in maximum of 450 words as input and provide a 32 dimensional output of those words which belong in the top_words dictionary
model_cnn.add(Embedding(vocab_size, embedding_size, input_length=max_len))
model_cnn.add(Conv1D(32, 3, padding='same', activation='relu'))
model_cnn.add(Conv1D(64, 3, padding='same', activation='relu'))
model_cnn.add(MaxPooling1D())
model_cnn.add(Flatten())
model_cnn.add(Dense(250, activation='relu'))
model_cnn.add(Dense(2, activation='softmax'))

# optimizer = keras.optimizers.Adam(lr=0.001)
model_cnn.compile(
    loss='categorical_crossentropy', 
    optimizer=sgd, 
    metrics=['acc',Precision(),Recall(),]
)

history_cnn  = model_cnn.fit(
    X_train, y_train,
    validation_data=(X_val, y_val), 
    batch_size = 64,
    epochs=epochs,
    verbose=1
)

Answer 1

推荐的模型保存方式，是用SavedModel格式保存：

dir = "target_directory"
model_cnn.save(dir) # it will save a .pb file with assets and variables folders 

然后就可以加载了：

model_cnn = tf.keras.models.load_model(dir)

现在，您可以添加一些图层并制作另一个模型。例如：

input = tf.keras.Input(shape=(128,128,3))
x = model_cnn(input)
x = tf.keras.layers.Dense(1, activation='sigmoid')(x)
new_model = tf.keras.models.Model(inputs=input, outputs=x)