導(dǎo)入Keras函數(shù)模型入門

假設(shè)你使用Keras的函數(shù)API開始定義一個簡單的MLP：

from keras.models import Model
from keras.layers import Dense, Input

inputs = Input(shape=(100,))
x = Dense(64, activation='relu')(inputs)
predictions = Dense(10, activation='softmax')(x)
model = Model(inputs=inputs, outputs=predictions)
model.compile(loss='categorical_crossentropy',optimizer='sgd', metrics=['accuracy'])

image.gif

在Keras，有幾種保存模型的方法。你可以將整個模型（模型定義、權(quán)重和訓(xùn)練配置）存儲為HDF5文件，僅存儲模型配置（作為JSON或YAML文件）或僅存儲權(quán)重（作為HDF5文件）。以下是你如何做每一件事：

model.save('full_model.h5')  # save everything in HDF5 format

model_json = model.to_json()  # save just the config. replace with "to_yaml" for YAML serialization
with open("model_config.json", "w") as f:
    f.write(model_json)

model.save_weights('model_weights.h5') # save just the weights.

image.gif

如果你決定保存完整的模型，那么你將能夠訪問模型的訓(xùn)練配置，否則你將不訪問。因此，如果你想在導(dǎo)入之后在DL4J中進(jìn)一步訓(xùn)練模型，請記住這一點，并使用model.save(...)來持久化你的模型。

載加你的Keras模型

讓我們從推薦的方法開始，將完整模型加載回DL4J（我們假設(shè)它在類路徑上）：

String fullModel = new ClassPathResource("full_model.h5").getFile().getPath();
ComputationGraph model = KerasModelImport.importKerasModelAndWeights(fullModel);

image.gif

萬一你沒有編譯你的Keras模型，它就不會有一個訓(xùn)練配置。在這種情況下，你需要顯式地告訴模型導(dǎo)入忽略訓(xùn)練配置，方法是將enforceTrainingConfig標(biāo)志設(shè)置為false，如下所示：

ComputationGraph model = KerasModelImport.importKerasModelAndWeights(fullModel, false);

image.gif

若要僅從JSON加載模型配置，請按如下使用KerasModelImport

String modelJson = new ClassPathResource("model_config.json").getFile().getPath();
ComputationGraphConfiguration modelConfig = KerasModelImport.importKerasModelConfiguration(modelJson)

image.gif

如果另外你還想加載模型權(quán)重與配置，那么以下是你要做的：

String modelWeights = new ClassPathResource("model_weights.h5").getFile().getPath();
MultiLayerNetwork network = KerasModelImport.importKerasModelAndWeights(modelJson, modelWeights)

image.gif

在后面兩種情況下，將不讀取訓(xùn)練配置。

KerasModel

[源碼]

從Keras（函數(shù)API）模型或序列模型配置構(gòu)建計算圖。

KerasModel

public KerasModel(KerasModelBuilder modelBuilder)
            throws UnsupportedKerasConfigurationException, IOException, InvalidKerasConfigurationException 

image.gif

（建議）（函數(shù)API）模型的構(gòu)建器模式構(gòu)造器。

• 參數(shù) modelBuilder 構(gòu)建器對象
• 拋出 IOException IO 異常
• 拋出 InvalidKerasConfigurationException 無效的 Keras 配置
• 拋出 UnsupportedKerasConfigurationException 不支持的 Keras 配置

getComputationGraphConfiguration

public ComputationGraphConfiguration getComputationGraphConfiguration()
            throws InvalidKerasConfigurationException, UnsupportedKerasConfigurationException 

image.gif

（不推薦）來自模型配置（JSON或YAML）、訓(xùn)練配置（JSON）、權(quán)重和“訓(xùn)練模式”布爾指示符的（函數(shù) API）模型的構(gòu)造器。當(dāng)內(nèi)置在訓(xùn)練模式時，某些不支持的配置（例如，未知的正則化器）將拋出異常。當(dāng)強(qiáng)制TrainingConfig= false時，這些將生成警告，但將被忽略。

• 參數(shù) modelJson 模型配置JSON 字符串
• 參數(shù) modelYaml 模型配置 YAML 字符串
• 參數(shù) enforceTrainingConfig 是否實施訓(xùn)練相關(guān)配置
• 拋出 IOException IO 異常
• 拋出 InvalidKerasConfigurationException 無效的 Keras 配置
• 拋出 UnsupportedKerasConfigurationException 不支持的 Keras 配置

getComputationGraph

public ComputationGraph getComputationGraph()
            throws InvalidKerasConfigurationException, UnsupportedKerasConfigurationException 

image.gif

從這個Keras模型配置構(gòu)建計算圖并導(dǎo)入權(quán)重。

• 返回 ComputationGraph

getComputationGraph

public ComputationGraph getComputationGraph(boolean importWeights)
            throws InvalidKerasConfigurationException, UnsupportedKerasConfigurationException 

image.gif

從這個Keras模型配置構(gòu)建計算圖并（可選的）導(dǎo)入權(quán)重。

• 參數(shù) importWeights 是否導(dǎo)入權(quán)重
• 返回 ComputationGraph

翻譯：風(fēng)一樣的男子

image

如果您覺得我的文章給了您幫助，請為我買一杯飲料吧！以下是我的支付寶，意思一下我將非常感激！

image