Keras有兩種類型的模型，序貫?zāi)Ｐ?#xff08;Sequential）和函數(shù)式模型（Model），函數(shù)式模型應(yīng)用更為廣泛，序貫?zāi)Ｐ褪呛瘮?shù)式模型的一種特殊情況。

兩類模型有一些方法是相同的：

• model.summary()：打印出模型概況

• model.get_config():返回包含模型配置信息的Python字典。模型也可以從它的config信息中重構(gòu)回去。

config = model.get_config() model = Model.from_config(config) # or, for Sequential: model = Sequential.from_config(config)

• model.get_layer()：依據(jù)層名或下標(biāo)獲得層對象

• model.get_weights()：返回模型權(quán)重張量的列表，類型為numpy array

• model.set_weights()：從numpy array里將權(quán)重載入給模型，要求數(shù)組具有與model.get_weights()相同的形狀。

• model.to_json：返回代表模型的JSON字符串，僅包含網(wǎng)絡(luò)結(jié)構(gòu)，不包含權(quán)值。可以從JSON字符串中重構(gòu)原模型：

from models import model_from_jsonjson_string = model.to_json() model = model_from_json(json_string)

• model.to_yaml：與model.to_json類似，同樣可以從產(chǎn)生的YAML字符串中重構(gòu)模型

from models import model_from_yamlyaml_string = model.to_yaml() model = model_from_yaml(yaml_string)

• model.save_weights(filepath)：將模型權(quán)重保存到指定路徑，文件類型是HDF5（后綴是.h5）

• model.load_weights(filepath, by_name=False)：從HDF5文件中加載權(quán)重到當(dāng)前模型中, 默認(rèn)情況下模型的結(jié)構(gòu)將保持不變。如果想將權(quán)重載入不同的模型（有些層相同）中，則設(shè)置by_name=True，只有名字匹配的層才會載入權(quán)重

總結(jié)

以上是生活随笔為你收集整理的Keras笔记（一）关于Keras模型的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。