快捷導(dǎo)航

使用Keras 實(shí)現(xiàn)查看model weights .h5 文件的內(nèi)容

更新時(shí)間：2020年06月09日 14:20:56 作者：weixin_33671935

這篇文章主要介紹了使用Keras 實(shí)現(xiàn)查看model weights .h5 文件的內(nèi)容，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

Keras的模型是用hdf5存儲(chǔ)的，如果想要查看模型，keras提供了get_weights的函數(shù)可以查看：

for layer in model.layers: weights = layer.get_weights() # list of numpy array

而通過(guò)hdf5模塊也可以讀?。篽df5的數(shù)據(jù)結(jié)構(gòu)主要是File - Group - Dataset三級(jí)，具體操作API可以看官方文檔。weights的tensor保存在Dataset的value中，而每一集都會(huì)有attrs保存各網(wǎng)絡(luò)層的屬性：

import h5py
 
def print_keras_wegiths(weight_file_path):
  f = h5py.File(weight_file_path) # 讀取weights h5文件返回File類(lèi)
  try:
    if len(f.attrs.items()):
      print("{} contains: ".format(weight_file_path))
      print("Root attributes:")
    for key, value in f.attrs.items():
      print(" {}: {}".format(key, value)) # 輸出儲(chǔ)存在File類(lèi)中的attrs信息，一般是各層的名稱(chēng)
 
    for layer, g in f.items(): # 讀取各層的名稱(chēng)以及包含層信息的Group類(lèi)
      print(" {}".format(layer))
      print("  Attributes:")
      for key, value in g.attrs.items(): # 輸出儲(chǔ)存在Group類(lèi)中的attrs信息，一般是各層的weights和bias及他們的名稱(chēng)
        print("   {}: {}".format(key, value)) 
 
      print("  Dataset:")
      for name, d in g.items(): # 讀取各層儲(chǔ)存具體信息的Dataset類(lèi)
        print("   {}: {}".format(name, d.value.shape)) # 輸出儲(chǔ)存在Dataset中的層名稱(chēng)和權(quán)重，也可以打印dataset的attrs，但是keras中是空的
        print("   {}: {}".format(name. d.value))
  finally:
    f.close()

而如果想修改某個(gè)值，則需要通過(guò)新建File類(lèi)，然后用create_group, create_dataset函數(shù)將信息重新寫(xiě)入，具體操作可以查看這篇文章

補(bǔ)充知識(shí)：keras load model 并保存特定層 (pop) 的權(quán)重save new_model

有時(shí)候我們保存模型（save model）,會(huì)保存整個(gè)模型輸入到輸出的權(quán)重，如果，我們不想保存后幾層的參數(shù)，保存成新的模型。

import keras
from keras.models import Model, load_model
from keras.layers import Input, Dense
from keras.optimizers import RMSprop
import numpy as np

創(chuàng)建原始模型并保存權(quán)重

inputs = Input((1,))
dense_1 = Dense(10, activation='relu')(inputs)
dense_2 = Dense(10, activation='relu')(dense_1)
dense_3 = Dense(10, activation='relu')(dense_2)
outputs = Dense(10)(dense_3)

model = Model(inputs=inputs, outputs=outputs)
model.compile(optimizer=RMSprop(), loss='mse')
model.save('test.h5')

加載模型并對(duì)模型進(jìn)行調(diào)整

loaded_model = load_model('test.h5')
loaded_model.layers.pop()
loaded_model.layers.pop()

此處去掉了最后兩層－－dense_3, dense_2。

創(chuàng)建新的model并加載修改后的模型

new_model = Model(inputs=inputs, outputs=dense_1)
new_model.compile(optimizer=RMSprop(), loss='mse')
new_model.set_weights(loaded_model.get_weights())

new_model.summary()
new_model.save('test_complete.h5')

以上這篇使用Keras 實(shí)現(xiàn)查看model weights .h5 文件的內(nèi)容就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: