Keras模型的model.save()和model.save_weights()有什么区别?

在Keras中保存模型时,以下输出的文件有什么不同:

  1. model.save()
  2. model.save_weights()
  3. 回调中的ModelCheckpoint()

使用model.save()保存的文件比model.save_weights()保存的模型文件要大得多,但也比JSON或Yaml模型架构文件大得多。这是为什么呢?

重新表述这个问题:为什么size(model.save()) + size(某物)等于size(model.save_weights()) + size(model.to_json()),这里的“某物”是什么?

是否使用model.save_weights()model.to_json()保存,然后从这些文件加载,比直接使用model.save()load_model()更加高效?

这些方法之间有什么区别?


回答:

save()将权重和模型结构保存到一个HDF5文件中。我认为它还包括优化器状态等信息。然后,您可以使用该HDF5文件和load()来重建整个模型,包括权重。

save_weights()仅将权重保存到HDF5文件中,不保存其他任何东西。您需要额外的代码从JSON文件重建模型。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注