如何使用Python手动保存权重的Keras？

Tensorflow是由Google提供的机器学习框架。它是一个开源框架，与Python一起用于实现算法、深度学习应用等等。它被用于研究和生产。

Keras是作为项目ONEIROS（开放式神经电子智能机器人操作系统）的一部分开发的。Keras是一个用Python编写的深度学习API。它是一个高级API，具有可提高生产率的界面，可以帮助解决机器学习问题。

它在Tensorflow框架的顶部运行。它的构建是为了快速实验。它提供了必要的抽象和构建块，这些构建块是开发和封装机器学习解决方案所必需的。它高度可扩展，并具有跨平台能力。这意味着Keras可以在TPU或GPU集群上运行。Keras模型也可以导出以在Web浏览器或移动电话上运行。

Keras已经存在于Tensorflow包中。可以使用以下代码行访问它。

import tensorflow
from tensorflow import keras

我们正在使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory可帮助在浏览器上运行Python代码，并需要零配置和免费访问GPU（图形处理单元）。Colaboratory是建立在Jupyter Notebook之上的。以下是代码 –

更多Python相关文章，请阅读：Python 教程

示例

print("权重已保存")
model.save_weights('./checkpoints/my_checkpoint')
print("已创建一个新模型实例")
model = create_model()
print("恢复旧模型的权重")
model.load_weights('./checkpoints/my_checkpoint')
print("正在评估模型")
loss, acc = model.evaluate(test_images, test_labels, verbose=2)
print("已恢复的模型准确率：{:5.2f}%".format(100 * acc))

代码信用- https://www.tensorflow.org/tutorials/keras/save_and_load