如何存储和访问训练有素的神经网络答案

【问题标题】：how to store and access trained neural networks如何存储和访问训练有素的神经网络
【发布时间】：2018-01-23 21:23:29
【问题描述】：

我最近刚开始使用 keras 在 python 上学习 NN，我有一个非常明显的问题，似乎没有人提到它的答案。

问题很简单。

在您获取数据、构建模型并训练您的网络之后会发生什么？
每个教程都会彻底完成，但从不提及如何使用训练好的模型或在此之后存储它。
例如，我用 keras 编写了这个简单的代码来训练 MNIST 上的网络：

model = Sequential()
model.add(Convolution2D(32, kernel_size=3,data_format="channels_first", 
activation='relu', input_shape=(1,28,28)))
model.add(Convolution2D(32, (3 ,3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))
#compiling
model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])
#fitting and training
model.fit(X_train, Y_train,batch_size=32, epochs=1, verbose=1)

现在我如何存储最终的网络并在关闭编辑器后再次使用它？

例如，如果我想构建一个简单的 Web 界面来上传 MNIST 图片并通过预训练模型运行它并检测答案。

我如何用 Python 存储训练好的模型，用 JS 或 php 访问它，通过它运行上传的图片，并将输出返回给用户。

谢谢，如果我的问题看起来很愚蠢或很明显，我很抱歉。

【问题讨论】：

标签： python neural-network keras

【解决方案1】：

这是一个示例，您可以如何将您的神经网络保存在 json 和 h5 中的 keras 中：

# serialize model to JSON
model_json = model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)
# serialize weights to HDF5
model.save_weights("model.h5")
print("Saved model to disk")

这就是你可以再次加载它的方式：

# load json and create model
json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
# load weights into new model
loaded_model.load_weights("model.h5")
print("Loaded model from disk")

最后，您可以在新的测试数据上评估加载的模型：

# evaluate loaded model on test data
loaded_model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
score = loaded_model.evaluate(X, Y, verbose=0)
print("%s: %.2f%%" % (loaded_model.metrics_names[1], score[1]*100))

【讨论】：