东莞招聘网最新招聘信息/sem优化怎么做

1、save方法

Model.save(filepath, overwrite=True, **kwargs)

将模型另存为.keras文件 

参数说明

• filepath: 保存模型的路径。必须以.keras结尾
• overwrite：布尔值，表示是否覆盖已存在的文件。默认为 True，即覆盖已存在的文件。
• save_format:在Keras 3中不赞成使用save_format参数。要使用的格式，作为字符串。此时仅支持“keras”格式

示例

model = keras.Sequential([keras.layers.Dense(5, input_shape=(3,)),keras.layers.Softmax(),],
)
model.save("./models/model.keras")

1.2、 save_model 方法

keras.saving.save_model(model, filepath, overwrite=True, **kwargs)

将模型另存为.keras文件

参数说明

• model：需要保存的模型对象。
• filepath：保存模型的文件路径。
• overwrite：布尔值，表示是否覆盖已存在的文件。默认为 True，即覆盖已存在的文件。

 

 2、load_model方法

keras.saving.load_model(filepath, custom_objects=None, compile=True, safe_mode=True)

加载通过model.save（）保存的模型 

参数说明

• filepath: 已保存模型的文件路径
• custom_objects: 字典类型，用于指定自定义层或损失函数等对象的类名和对应的 Python 类。默认为 None，表示使用 Keras 默认的类名和类映射关系
• compile: 布尔值，表示是否在加载模型后立即编译模型。默认为 True，即自动编译模型。如果设置为 False，则需要手动编译模型
• safe_mode: 布尔值，表示是否以安全模式加载模型。默认为 True，即启用安全模式。安全模式下，Keras 会检查模型的结构和配置是否与原始模型一致，如果不一致则会抛出异常。如果设置为 False，则禁用安全模式，加载的模型可能与原始模型不一致

示例

#创建一个Sequential模型
model = keras.Sequential([keras.layers.Dense(5, input_shape=(3,)),keras.layers.Softmax()])#将创建好的模型保存到文件"model.keras"中
model.save("model.keras")#从文件中加载保存的模型
loaded_model = keras.saving.load_model("model.keras")#随机生成一个的输入数据矩阵x，形状为(10, 3)
x = np.random.random((10, 3))#使用原始模型和加载的模型分别对输入数据进行预测
#使用np.allclose函数比较两个模型的预测结果是否相同
#如果相同，则断言通过，否则会抛出异常
assert np.allclose(model.predict(x), loaded_model.predict(x))