如何使用Python保存整个Keras模型？

Tensorflow是由谷歌提供的机器学习框架。它是一个开源框架，与Python一起使用来实现算法、深度学习应用等等。它用于研究和生产用途。

Keras是一个深度学习API，它是用Python编写的。它是一个高级API，具有有助于解决机器学习问题的生产接口。它运行在Tensorflow框架上面。它被构建来帮助快速实验。它具有高可扩展性，并具有跨平台的能力。这意味着Keras可以在TPU或GPU集群上运行。Keras模型还可以导出以在Web浏览器或移动电话上运行。

Keras已经在Tensorflow软件包中存在。可以使用以下代码行访问它 −

import tensorflow
from tensorflow import keras

我们使用Google Colaboratory来运行以下代码。Google Colab或Colaboratory在浏览器中运行Python代码，并且不需要任何配置并免费访问GPU（图形处理器）。Colaboratory是建立在Jupyter笔记本电脑之上的。以下是代码：

更多Python相关文章，请阅读：Python 教程

示例

print("已创建新模型实例")
model = create_model()
print("该模型已适应训练数据")
model.fit(train_images, train_labels, epochs=5)
print("该模型已保存")
!mkdir -p saved_model
model.save('saved_model/my_model')
ls saved_model

编写者来源 – https://www.tensorflow.org/tutorials/keras/save_and_load

输出

解释

• 使用“create_model”方法创建新模型。

• 新模型已适应训练数据。

• 创建一个新目录来存储新模型。

• 一旦适应完成，使用“save”方法进行保存。

• 在控制台上显示已保存模型的路径。