اذهب إلى المحتوى
  • 0

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

عامر ابراهيم

السؤال

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))

 

تم التعديل في بواسطة عامر ابراهيم
رابط هذا التعليق
شارك على الشبكات الإجتماعية

Recommended Posts

  • 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')
رابط هذا التعليق
شارك على الشبكات الإجتماعية

انضم إلى النقاش

يمكنك أن تنشر الآن وتسجل لاحقًا. إذا كان لديك حساب، فسجل الدخول الآن لتنشر باسم حسابك.

زائر
أجب على هذا السؤال...

×   لقد أضفت محتوى بخط أو تنسيق مختلف.   Restore formatting

  Only 75 emoji are allowed.

×   Your link has been automatically embedded.   Display as a link instead

×   جرى استعادة المحتوى السابق..   امسح المحرر

×   You cannot paste images directly. Upload or insert images from URL.

  • إعلانات

  • تابعنا على



×
×
  • أضف...