• 0

كيف نقوم بحفظ وتحميل النموذج و الأوزان في كيراس Keras وتنسرفلو Tensorflow

بعد الانتهاء من تدريب النموذج أريد أن يتم حفظ نموذجي لاستخدمه بداخل تطبيق، كيف نقوم بحفظه؟

from tensorflow.keras.layers import Dense
import numpy
import os
from tensorflow.keras.models import Sequential,model_from_json
dataset = numpy.loadtxt("D:\\pima-indians-diabetes.csv", delimiter=",")
X = dataset[:,0:8]
Y = dataset[:,8]
model = Sequential()
model.add(Dense(32, input_dim=8, activation='tanh'))
model.add(Dense(4, activation='tanh'))
model.add(Dense(1, activation='sigmoid'))
# Compiling
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fitting
model.fit(X, Y, epochs=90, batch_size=10)
# تقييم
scores = model.evaluate(X, Y, verbose=0)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

 

تمّ تعديل بواسطة عامر ابراهيم
1 شخص أعجب بهذا

انشر على الشّبكات الاجتماعية


رابط هذه المساهمة
شارك على الشبكات الإجتماعية
  • 1

هناك العديد من الطرق وإليك إياها:

############# JSON format  حفظه ك  #############
# حفظ النموذج
model_json = model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)
# HDF حفظ الأوزان كملف
model.save_weights("model.h5")
print("Saved model to disk")
###############      لتحميله لاحقاً     #############
json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
# تحميل الأوزان إلى النموذج
loaded_model.load_weights("model.h5")

أو:

############ YAML Format ##############
# pip install PyYAML
model_yaml = model.to_yaml()
with open("model.yaml", "w") as yaml_file:
    yaml_file.write(model_yaml)
# weights to HDF5
model.save_weights("model.h5")
# تحميله لاحقاً
yaml_file = open('model.yaml', 'r')
loaded_model_yaml = yaml_file.read()
yaml_file.close()
loaded_model = model_from_yaml(loaded_model_yaml)
# تحميل الأوزان إلى النموذج
loaded_model.load_weights("model.h5")

أو بشكل مباشر من خلال إطار العمل يمكنك حفظ النموذج مع الأوزان وبالنسبة لي هذه هي الطريقة الأفضل والأكثر راحة:

model.save("model.h5")
# ولتحميله
from tensorflow.keras.models import load_model
model = load_model('model.h5')
1 شخص أعجب بهذا

انشر على الشّبكات الاجتماعية


رابط هذه المساهمة
شارك على الشبكات الإجتماعية

يجب أن تكون عضوًا لدينا لتتمكّن من التعليق

انشاء حساب جديد

يستغرق التسجيل بضع ثوان فقط


سجّل حسابًا جديدًا

تسجيل الدخول

تملك حسابا مسجّلا بالفعل؟


سجّل دخولك الآن