[Tensorflow] 使用 model.save_weights() 保存 Keras Subclassed Model
import numpy as np import matplotlib.pyplot as plt import os import time import tensorflow as tf tf.enable_eager_execution() # create data X = np.linspace(-1, 1, 5000) np.random.shuffle(X) y = 0.5 * X + 2 + np.random.normal(0, 0.05, (5000,)) # plot data plt.scatter(X, y) plt.show() # split data X_train, y_train = X[:4000], y[:4000] X_test, y_test = X[4000:], y[4000:] # tf.data BATCH_SIZE = 32 BUFFER_SIZE = 512 dataset = tf.data.Dataset.from_tensor_slices((X_train, y_train)).batch(BATCH_SIZE).shuffle(BUFFER_SIZE) # subclassed model UNITS = 1 class Model(tf.keras.Model): def __init__(self): super(Model, self).__init__() self.fc = tf.keras.layers.Dense(units=UNITS) def call(self, inputs): return self.fc(inputs) model = Model() optimizer = tf.train.AdamOptimizer() # loss function def loss_function(real, pred): return tf.losses.mean_squared_error(labels=real, predictions=pred) EPOCHS = 30 checkpoint_dir = './save_subclassed_keras_model_training_checkpoints' if not os.path.exists(checkpoint_dir): os.makedirs(checkpoint_dir) # training loop for epoch in range(EPOCHS): start = time.time() epoch_loss = 0 for (batch, (x, y)) in enumerate(dataset): x = tf.cast(x, tf.float32) y = tf.cast(y, tf.float32) x = tf.expand_dims(x, axis=1) y = tf.expand_dims(y, axis=1) # print(x) # tf.Tensor([...], shape=(BATCH_SIZE, 1), dtype=float32) # print(y) # tf.Tensor([...], shape=(BATCH_SIZE, 1), dtype=float32) with tf.GradientTape() as tape: predictions = model(x) # print(predictions) # tf.Tensor([...], shape=(BATCH_SIZE, 1), dtype=float32) batch_loss = loss_function(real=y, pred=predictions) grads = tape.gradient(batch_loss, model.variables) optimizer.apply_gradients(zip(grads, model.variables), global_step=tf.train.get_or_create_global_step()) epoch_loss += batch_loss if (batch + 1) % 10 == 0: print('Epoch {} Batch {} Loss {:.4f}'.format(epoch + 1, batch + 1, batch_loss/int(x.shape[0]))) print('Epoch {} Loss {:.4f}'.format(epoch + 1, epoch_loss/len(X_train))) print('Time taken for 1 epoch {} sec\n'.format(time.time() - start)) # save checkpoint checkpoint_prefix = os.path.join(checkpoint_dir, 'ckpt') if (epoch + 1) % 10 == 0: model.save_weights(checkpoint_prefix.format(epoch=epoch), overwrite=True) _model = Model() _model.load_weights(tf.train.latest_checkpoint(checkpoint_dir)) _model.build(input_shape=tf.TensorShape([BATCH_SIZE, 1])) _model.summary() test_dataset = tf.data.Dataset.from_tensor_slices(X_test).batch(1) for (batch, x) in enumerate(test_dataset): x = tf.cast(x, tf.float32) x = tf.expand_dims(x, axis=1) print(x) predictions = _model(x) print(predictions) exit()
[Tensorflow] 使用 model.save_weights() 保存 Keras Subclassed Model的更多相关文章
- [Tensorflow] 使用 model.save_weights() 保存 / 加载 Keras Subclassed Model
在 parameters.py 中,定义了各类参数. # training data directory TRAINING_DATA_DIR = './data/' # checkpoint dire ...
- [Tensorflow] 使用 tf.train.Checkpoint() 保存 / 加载 keras subclassed model
在 subclassed_model.py 中,通过对 tf.keras.Model 进行子类化,设计了两个自定义模型. import tensorflow as tf tf.enable_eager ...
- keras系列︱Sequential与Model模型、keras基本结构功能(一)
引自:http://blog.csdn.net/sinat_26917383/article/details/72857454 中文文档:http://keras-cn.readthedocs.io/ ...
- Keras(一)Sequential与Model模型、Keras基本结构功能
keras介绍与基本的模型保存 思维导图 1.keras网络结构 2.keras网络配置 3.keras预处理功能 模型的节点信息提取 config = model.get_config() 把mod ...
- [Model] LeNet-5 by Keras
典型的卷积神经网络. 数据的预处理 Keras傻瓜式读取数据:自动下载,自动解压,自动加载. # X_train: array([[[[ 0., 0., 0., ..., 0., 0., 0.], [ ...
- xen 保存快照的实现之 —— device model 状态保存
xen 保存快照的实现之 —— device model 状态保存 实现要点: 设备状态保存在 /var/lib/xen/qemu-save.x 文件这个文件由 qemu-dm 产生,也由 qemu- ...
- AI - TensorFlow - 示例05:保存和恢复模型
保存和恢复模型(Save and restore models) 官网示例:https://www.tensorflow.org/tutorials/keras/save_and_restore_mo ...
- 如何保存Keras模型
我们不推荐使用pickle或cPickle来保存Keras模型 你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含: 模型的结构,以便重构该 ...
- Python之TensorFlow的模型训练保存与加载-3
一.TensorFlow的模型保存和加载,使我们在训练和使用时的一种常用方式.我们把训练好的模型通过二次加载训练,或者独立加载模型训练.这基本上都是比较常用的方式. 二.模型的保存与加载类型有2种 1 ...
随机推荐
- Highcharts构建加权平均值图表
Highcharts构建加权平均值图表 加权平均值图表是将图表中多个数据列值.依据加权算法计算获取平均值,并加入生成一个加权折线.在这里,我们直接使用第三方插件Dynamic Weighted Ave ...
- ERROR: resetting DM9000 -> not responding dm9000 not found at 0x88000000问题解决
ERROR: resetting DM9000 -> not responding dm9000 not found ...
- SpringMVC学习指南-Spring框架
Spring框架主要使用依赖注入.实际上,很多牛叉的框架如Google的Guice都是使用依赖注入. ------------------------------------------------- ...
- Python爬虫开发【第1篇】【代理】
1.简单的自定义opener() import urllib2 # 构建一个HTTPHandler 处理器对象,支持处理HTTP请求 http_handler = urllib2.HTTPHandle ...
- SpringMVC上传文件后返回文件服务器地址路径
先写一个表单: <%@ page language="java" contentType="text/html; charset=UTF-8" pageE ...
- Codeforces 690 C3. Brain Network (hard) LCA
C3. Brain Network (hard) Breaking news from zombie neurology! It turns out that – contrary to prev ...
- 【Silverlight】Bing Maps学习系列(六):使用扩展模式(Extended Modes)(转)
[Silverlight]Bing Maps学习系列(六):使用扩展模式(Extended Modes) 微软Bing Maps推出有有段时间了,通过不断的改进和新的地图更新,现在已经基本上形成了一套 ...
- Opencv+Zbar二维码识别(二维码校正)
二维码和车牌识别基本都会涉及到图像的校正,主要是形变和倾斜角度的校正,一种二维码的畸变如下图: 这个码用微信扫了一下,识别不出来,但是用Zbar还是可以准确识别的~~. 这里介绍一种二维码校正方法,通 ...
- POJ2749 Building road
传送门 这道题真是2-SAT好题啊!!卡了我两个点才做完……垃圾POJ还不告诉我哪错了…… 首先我们先花一段时间把题看懂……(其实是翻译一下),之后我们发现因为每个谷仓只能向一个中转点连边,所以他就是 ...
- pip 清华镜像
临时使用: 可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple 例:pip install -i https://pypi.tuna. ...