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

python人工智能TensorFlow自定义层及模型保存

程序员文章站 2022-06-25 07:55:30
目录一、自定义层和网络1.自定义层2.自定义网络二、模型的保存和加载1.保存参数2.保存整个模型一、自定义层和网络1.自定义层①必须继承自layers.layer②必须实现两个方法,__init__和...

一、自定义层和网络

1.自定义层

①必须继承自layers.layer

②必须实现两个方法,__init__和call

这个层,实现的就是创建参数,以及一层的前向传播。

添加参数使用self.add_weight,直接调用即可,因为已经在母类中实现。

在call方法中,实现前向传播并返回结果即可。

python人工智能TensorFlow自定义层及模型保存

2.自定义网络

①必须继承自keras.model

②必须实现两个方法,__init__和call

这个网络,就可以使用我们定义好的mydense层,来进行堆叠。

在init方法中设置好每一层的连接方式,以及维度。

在call方法中,就要实现前向传播,可以在这里对网络结构前向传播进行实现。如果在层中没有添加activation的话,在这里需要添加relu等激活函数。

python人工智能TensorFlow自定义层及模型保存

二、模型的保存和加载

1.保存参数

通过save_weights方法可以保存参数,提供路径即可,加载的时候,先创建好和之前的网络结构一模一样的网络结构,导入参数即可。

python人工智能TensorFlow自定义层及模型保存

python人工智能TensorFlow自定义层及模型保存

2.保存整个模型

通过model.save(),保存整个模型,包括结构,层的名字,参数,维度等等所有信息。

恢复的时候不需要再创建网络。直接通过tf.keras.models.load_model读取即可。

python人工智能TensorFlow自定义层及模型保存

以上就是python人工智能tensorflow自定义层及模型保存的详细内容,更多关于tensorflow自定义层及模型保存的资料请关注其它相关文章!