ML之模型文件：机器学习、深度学习中常见的模型文件(.h5、.keras)简介、h5模型文件下载集锦、使用方法之详细攻略

ML之模型文件：机器学习、深度学习中常见的模型文件(.h5、.keras)简介、h5模型文件下载集锦、使用方法之详细攻略

 

 

 

目录

ML/DL中常见的模型文件(.h5、.keras)简介及其使用方法

一、.h5文件

1、常见的h5文件下载

二、.keras文件

1、模型的保存和载入

 

 

 

 

 

 

ML/DL中常见的模型文件(.h5、.keras)简介及其使用方法 一、.h5文件

可使用model.save(filepath)函数，将Keras模型和权重保存在一个HDF5文件中，h5文件将包含：

• 模型的结构，以便重构该模型
• 模型的权重
• 训练配置（损失函数，优化器等）
• 优化器的状态，以便于从上次训练中断的地方开始

(1)、模型的保存和载入

model_path = 'model.h5'
model.save(model_path )                 '保存模型'

from keras.models import load_model
model = load_model(model_path )         '载入模型'


model_weights_path = 'model_weights.h5'
model.save_weights(model_weights_path )   '保存模型的权重'
model.load_weights(model_weights_path )   '载入模型的权重'

'如果你需要加载权重到不同的网络结构（有些层一样）中，例如fine-tune或transfer-learning，你可以通过层名字来加载模型'
model.load_weights('model_weights.h5', by_name=True)

1、常见的h5文件下载

resnet50_coco_best_v2.1.0.h5模型文件 下载地址：https://github.com/fizyr/keras-retinanet/releases

 

 

 

 

二、.keras文件 1、模型的保存和载入

'保存模型'
path_model = 'Functional_model.keras'    # Functional 
model2.save(path_model)   #保存训练好的Keras模型的权重只需要调用一个函数
del model2                #当不再需要用到这个模型时可以从内存中删除它。


'加载模型'
path_model = 'Functional_model.keras'   
from tensorflow.python.keras.models import load_model  
model3 = load_model(path_model)