【584】如何保存 Keras 模型？

参考：如何保存 Keras 模型？

参考：ModelCheckpoint

参考：Keras 如何保存训练模型

---

　　可以使用 keras.models.load_model(filepath) 重新实例化模型。load_model 还将负责使用保存的训练配置项来编译模型（除非模型从未编译过）。

　　举例：

?

1 2 3 4 5 6 7 8

from keras.models import load_model   model.save('my_model.h5')  # 创建 HDF5 文件 'my_model.h5' del model  # 删除现有模型   # 返回一个编译好的模型 # 与之前那个相同 model = load_model('my_model.h5')

 

　　另参见 ModelCheckpoint。

?

1	keras.callbacks.ModelCheckpoint(filepath, monitor='val_loss', verbose=0, save_best_only=False, save_weights_only=False, mode='auto', period=1)

　　在每个训练期之后保存模型。

　　filepath 可以包括命名格式选项，可以由 epoch 的值和 logs 的键（由 on_epoch_end 参数传递）来填充。

　　例如：如果 filepath 是 weights.{epoch:02d}-{val_loss:.2f}.hdf5， 那么模型被保存的的文件名就会有训练轮数和验证损失。