keras載入模型

說明：該程式是乙個包含兩個隱藏層的神經網路。演示如何載入乙個儲存好的模型。

資料集：mnist

from __future__ import print_function

#python提供了__future__模組，把下乙個新版本的特性匯入到當前版本，於是我們就可以在當前版本中測試一些新版本的特性。
import numpy as np
np.random.seed(1337) # for reproducibility
from keras.datasets import mnist
from keras.models import sequential
from keras.layers.core import dense,dropout,activation
from keras.optimizers import sgd,adam,rmsprop
from keras.utils import np_utils

from keras.models import load_model

batch_size = 128 

nb_classes = 10
nb_epoch = 20

# the data, shuffled and split between train and test sets

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.reshape(60000, 784)
x_test = x_test.reshape(10000, 784)
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test samples')

#轉換類標號

# convert class vectors to binary class matrices
y_train = np_utils.to_categorical(y_train, nb_classes)
y_test = np_utils.to_categorical(y_test, nb_classes)

#在現有的檔案中載入模型

model=load_model('mnist-mpl.h5')
#列印模型
model.summary()

#編譯模型

model.compile(loss='categorical_crossentropy',
optimizer=rmsprop(),
metrics=['accuracy'])

score = model.evaluate(x_test, y_test, verbose=0)

print('test score:', score[0])
print('test accuracy:', score[1])

TensorFlow中載入Keras模型

在tensorflow中，使用keras訓練好的模型或者keras自帶的預訓練模型 自定義模型 讀取模型或者載入預訓練模型,下面使用的是預訓練的vgg模型 model origin vgg16 weights imagenet 自定義某一層作為輸出 model new model inputs mo...

Keras模型載入之通過json檔案

匯入圖 匯入權重 示例import numpy as np from keras.models import model,load model from keras.models import model from json import json json file path to model.j...

keras評估模型

當建立好模型並且用來訓練之後，如何評估模型的好壞，準確度又如何呢？三種常用方法 1 使用自動驗證方法 在 fit 函式中增加乙個validation split引數，該引數用來進行驗證效果 該引數可以自由設定，一般設定為20 或者30 也就是測試集佔總資料集的20 或者30 的資料用來進行驗證，其餘...