تحميل نموذج مدرب ومواصلة التدريب في كيراس Keras وتنسرفلو Tensorflow

حسناً تابع في المثال التالي:

import tensorflow as tf
from tensorflow import keras
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_val, y_val) = mnist.load_data()
x_train = x_train / 255.0
x_val   = x_test / 255.0
# تعريف نموذج
def model():
  m = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(456, activation="relu"),  
    tf.keras.layers.Dropout(0.5),
    tf.keras.layers.Dense(128, activation="relu"),  
    tf.keras.layers.Dropout(0.3),
    tf.keras.layers.Dense(10, activation="softmax")
    ])
  return m
model=model()
model.compile(optimizer='rmsprop', loss='sparse_categorical_crossentropy',metrics=['acc'])
# تدريب النموذج
model.fit(x_train, y_train, epochs = 10, validation_data = (x_test,y_test))

الآن بشكل عام model.save تقوم بحفظ كل المعلومات اللازمة لمواصلة التدريب، لكن المشكلة الوحيدة هي حالة ال Optimizer فقد لايتم تحميلها أو حفظها بشكل  صحيح (يحدث فقدان للمعلومات). ولهذا السبب ينصح بحفظ نموذجك بتنسيق تنسرفلو أي tf  بدلاً من حفظها بالامتداد الافتراضي (h5). 

# حفظ النموذج بتنسيق تنسرفلو
model.save('./MyModel_tf',save_format='tf')

الآن لو أردت إعادة تحميله ومواصلة التدريب:

# تحميل النموذج
model = tf.keras.models.load_model('./MyModel_tf')
# التدريب
model.fit(....)

ببساطة يمكنك في البداية عمل النموذج الذي تريد تدريبه الأن ثم تقوم بحفظ النموذج على حاسوبك كملف، الملف الذي تحفظه يحتوى على شكل النموذج وكذلك قيم العناصر التي تم تدريبها، بعد ذلك يمكنك تحميل النموذج واستكمال تدريبه، أنظر الكود التالي كمثال:

import numpy as np
import tensorflow as tf
from tensorflow import keras

def get_model():
    # Create a simple model.
    inputs = keras.Input(shape=(32,))
    outputs = keras.layers.Dense(1)(inputs)
    model = keras.Model(inputs, outputs)
    model.compile(optimizer="adam", loss="mean_squared_error")
    return model


model = get_model()

# تدريب النموذج
test_input = np.random.random((128, 32))
test_target = np.random.random((128, 1))
model.fit(test_input, test_target)

# حفظ النوذج بعد تدريبه
model.save("my_model")

# اعادة تحميل النموذج
reconstructed_model = keras.models.load_model("my_model")

np.testing.assert_allclose(
    model.predict(test_input), reconstructed_model.predict(test_input)
)
#استكمال أو اعادة تدريب النموذج المدرب
reconstructed_model.fit(test_input, test_target)