如何使用Python从已保存的模型中重新加载一个新的模型？

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目的。

‘tensorflow’包可以使用以下代码在Windows上安装−

pip install tensorflow

张量是在Tensorflow中使用的数据结构。它帮助连接流程图中的边缘。这个流程图被称为‘数据流图’。张量仅是多维数组或列表。它们可以使用三个主要属性来识别−

• 等级−它告诉张量的维数。它可以被理解为张量的秩或已定义的张量中的维度数量。

• 类型-它告诉张量元素相关的数据类型。它可以是一维、二维或n维张量。

• 形状−它是行数和列数的总和。

Keras在希腊语中意为‘角’。Keras是作为ONEIROS项目的一部分而开发的（Open ended Neuro-Electronic Intelligent Robot Operating System）。它运行在Tensorflow框架之上。它的构建旨在帮助快速实验。它是高度可扩展的，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模型也可以导出到网页浏览器或移动电话中运行。

Keras已经存在于Tensorflow包中。可以使用以下代码访问它。

import tensorflow
from tensorflow import keras

我们使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory帮助在浏览器上运行Python代码，需要零配置和免费访问GPU（图形处理单元）。Colaboratory是在Jupyter Notebook之上构建的。以下是代码−

更多Python相关文章，请阅读：Python 教程

例子

ls saved_model/my_model
new_model = tf.keras.models.load_model('saved_model/my_model')
print("The architecture of the model is observed")
new_model.summary()

代码来源− https://www.tensorflow.org/tutorials/keras/save_and_load

输出

解释

• 新保存的模型显示在控制台上。

• 新模型被加载并存储在一个变量中。

• 使用‘summary’方法在控制台上显示与新模型相关的详细信息。