如何繼續對已保存並隨後加載的Keras模型進行培訓？

Question

在official keras documentation之後，我可以保存並加載模型。 Keras使用tensorflow作爲後端。

但是，是否有可能對這些已保存和已加載的模型運行更多的培訓。

以下是從Link借用的代碼。然後編輯。

在下面的代碼中，模型訓練了75個時期並保存，然後再次加載。

但是，當我試圖用更多的75個時代進一步訓練它時，似乎模型沒有經過訓練，我沒有做任何修改就得到了相同的結果。

# -*- coding: utf-8 -*- 

from keras.models import Sequential 
from keras.layers import Dense 
from keras.models import model_from_json 
import numpy 
import os 
# fix random seed for reproducibility 
numpy.random.seed(7) 
# load pima indians dataset 
dataset = numpy.loadtxt("pima-indians-diabetes.txt", delimiter=",") 
# split into input (X) and output (Y) variables 
X = dataset[:,0:8] 
Y = dataset[:,8] 
# create model 
model = Sequential() 
model.add(Dense(12, input_dim=8, kernel_initializer='uniform', activation='relu')) 
model.add(Dense(8, kernel_initializer='uniform', activation='relu')) 
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid')) 
# Compile model 
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
# Fit the model 
model.fit(X, Y, epochs=75, batch_size=10, verbose=0) 
# evaluate the model 
scores = model.evaluate(X, Y, verbose=0) 
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100)) 

# 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") 

# later... 

# 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") 

# 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)) 


model.fit(X, Y, epochs=75, batch_size=10, verbose=0) 
score = loaded_model.evaluate(X, Y, verbose=0) 
print("%s: %.2f%%" % (loaded_model.metrics_names[1], score[1]*100)) 

Answer 1

它看起來像從該代碼，您的評價loaded_model的兩倍，但你額外的訓練是在剛剛完成model。而不是複製和粘貼不同的變量名稱，你可以嘗試這樣的事情......我發現跟蹤更容易一些。另外，在註釋之間爲代碼添加一些空白區域，這將有助於保持清晰和有條理。

# Save a model you have trained 
model.save('trained_model.h5') 

# Delete the model 
del model 

# Load the model 
model = load_model('trained_model.h5') 

# Train more on the loaded model 
model.fit(data, labels, epochs, batch_size)