如何将 keras 模型与其他数据一起保存并完全加载？答案

【问题标题】：How to save keras model along with other data and load them altogether?如何将 keras 模型与其他数据一起保存并完全加载？
【发布时间】：2018-08-08 21:13:07
【问题描述】：

我有以下代码来训练一个 keras 神经网络

from keras import Sequential
from keras.layers import Dense
from keras.models import load_model

import numpy as np

class Model:
    def __init__(self, data=None):
        self.data = data
        self.metrics = []
        self.model = self.__build_model()

    def __build_model(self):
        model = Sequential()
        model.add(Dense(4, activation='relu', input_shape=(3,)))
        model.add(Dense(1, activation='relu'))
        model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
        return model

    def train(self, epochs):
        self.model.fit(self.data[:, :-1], self.data[:,-1], epochs=epochs)
        return self

    def test(self, data):
        self.metrics = self.model.evaluate(data[:, :-1], data[:, -1])
        return self

    def predict(self, input):
        return self.model.predict(input)

    def save(self, path):
        self.model.save(path)
        # I would like to save self.metrics at the same time

    def load(self, path):
        self.model = load_model(path)


if __name__ == '__main__':
    train_data = np.random.rand(1000, 4)
    test_data = np.random.rand(100, 4)
    print("TRAINING, TESTING & SAVING..")
    model = Model(train_data)\
                .train(epochs=5)\
                .test(test_data)\
                .save('./model.h5')

    print('LOADING model & PREDICTING..')
    test_sample = np.random.rand(1, 3)
    model = Model()
    model.load('./model.h5')
    # I can then do like:
    test_output = model.predict(test_sample)
    print(test_output)

    # And want to get metrics which i had saved with it like:
    metrics = model.metrics
    print(metrics)

如您所见，它将模型保存到 h5 文件中，但只有 keras 模型没有其他任何内容。如何像指标一样同时保存其他数据，然后在加载 keras 模型时也能够加载它们。

谢谢！

【问题讨论】：

标签： python arrays keras save load

【解决方案1】：

您可以使用任何序列化框架来执行此操作。

import hickle

def save(self, path):
      self.model.save(path)
      hkl.dump(self.metrics, 'metrics.hkl', mode='w')

def load(self, path):
      self.model = load_model(path)
      self.metrics = hkl.load('metrics.hkl')

您也可以将其保存为单个文件，只需从指标和模型对象中创建一个列表或另一个对象。我建议将它们分开保存。

【讨论】：