基于keras的python实践,keras实现深度神经网络
本文主要介绍python神经网络使用Keras来保存和读取模型。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。
00-1010学习前言Keras中保存和阅读的重要函数1、model.save2和load_model的所有代码。
目录
当你开始一个项目的时候，有时候你会用别人训练出来的模型。这次要学会装。
学习前言
Keras中保存与读取的重要函数
Model.save用于保存模型。在保存模型之前，您应该首先使用pip install安装h5py模块。这个模块经常在Keras的模型保存和读取中使用，用来定义保存格式。
pip安装h5py
安装后，您可以使用以下功能保存模型。
model.save(。/model . HD F5’)
其中，model是训练好的模型，save函数传入的参数是保存的位置名称。
1、model.save
Load_model用于加载模型。
具体使用方式如下：
model=load_model(。/model . HD F5’)
其中，load_model函数传入的参数是保存模型的位置名称。/表示保存在当前目录中。
2、load_model
这是一个简单的手写识别的例子，之前已经解释了如何构建它。
Python神经网络学习使用Keras进行简单分类。最后，我添加了保存和读取模型的功能。
将numpy作为np导入
从keras.models导入顺序、加载模型、保存模型
来自喀拉斯。层层导入密实，激活#层#全连接
从keras.datasets导入mnist
从keras.utils导入np_utils
优化器导入RMSprop
#获取训练集
(X_train，Y_train)，(X_test，Y_test)=mnist.load_data()
#首先标准化
X _ train=X _ train . shape(X _ train . shape[0]，-1)/255
X _ test=X _ test . shape(X _ test . shape[0]，-1)/255
# categorical _ crossentropy计算需要类别分类结果。
#也就是说，标签需要转换成二进制序列，如(nb_samples，nb_classes)
Y _ train=NP _ utils . to _ categorial(Y _ train，num_classes=10)
Y _ test=NP _ utils . to _ categorial(Y _ test，num_classes=10)
#建立一个模型
模型=顺序([
密集(32，input_dim=784)，
激活(“relu”)，
密集(10)，
激活(“softmax”)
]
)
rmsprop=RMSprop(lr=0.001，rho=0.9，=1e-08，decay=0)
##编译
model.compile(loss= category _ cross entropy ，optimizer=rmsprop，metrics=[accuracy])
打印( \ n培训)
cost=model.fit(X_train，Y_train，nb_epoch=2，batch_size=100)
打印( \ n测试)
#测试
成本，准确性=模型.评估(X _测试，Y _测试)
打印(“精确度：”，精确度)
#保存模型
model.save(。/model . HD F5’)
#删除现有模型
德尔模型
打印(“模型已被删除”)
#再次加载模型
model=load_model(。/model . HD F5’)
#预测
成本，准确性=模型.评估(X _测试，Y _测试)
打印(“精确度：”，精确度)
实验结果如下：
纪元1/2
60000/60000[============================]-6s 104 us/step-loss : 0.4217-ACC : 0.8888
纪元2/2
60000/60000[============================]-6s 99us/step-loss : 0.2240-ACC : 0.9366
试验
10000/10000[==============================]-1s 149 us/步
精确度： 0.9419
模型已被删除
10000/10000[==============================]-1s 117 us/步
精确度： 0.9419
以上是使用Keras保存和读取python神经网络模型的详细内容。有关保存和阅读Keras模型的更多信息，请关注热门IT软件开发工作室的其他相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。