欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

使用Keras 实现查看model weights .h5 文件的内容

程序员文章站 2022-06-15 10:31:03
keras的模型是用hdf5存储的,如果想要查看模型,keras提供了get_weights的函数可以查看:for layer in model.layers: weights = layer.get...

keras的模型是用hdf5存储的,如果想要查看模型,keras提供了get_weights的函数可以查看:

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

而通过hdf5模块也可以读取:hdf5的数据结构主要是file - group - dataset三级,具体操作api可以看。weights的tensor保存在dataset的value中,而每一集都会有attrs保存各网络层的属性:

import h5py
 
def print_keras_wegiths(weight_file_path):
  f = h5py.file(weight_file_path) # 读取weights h5文件返回file类
  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)) # 输出储存在file类中的attrs信息,一般是各层的名称
 
    for layer, g in f.items(): # 读取各层的名称以及包含层信息的group类
      print(" {}".format(layer))
      print("  attributes:")
      for key, value in g.attrs.items(): # 输出储存在group类中的attrs信息,一般是各层的weights和bias及他们的名称
        print("   {}: {}".format(key, value)) 
 
      print("  dataset:")
      for name, d in g.items(): # 读取各层储存具体信息的dataset类
        print("   {}: {}".format(name, d.value.shape)) # 输出储存在dataset中的层名称和权重,也可以打印dataset的attrs,但是keras中是空的
        print("   {}: {}".format(name. d.value))
  finally:
    f.close()

而如果想修改某个值,则需要通过新建file类,然后用create_group, create_dataset函数将信息重新写入,具体操作可以查看

补充知识:keras load model 并保存特定层 (pop) 的权重save new_model

有时候我们保存模型(save model),会保存整个模型输入到输出的权重,如果,我们不想保存后几层的参数,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

创建原始模型并保存权重

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')

加载模型并对模型进行调整

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

此处去掉了最后两层--dense_3, dense_2。

创建新的model并加载修改后的模型

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')

以上这篇使用keras 实现查看model weights .h5 文件的内容就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。