Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tf.keras.models.load_model

TensorFlow 1 wersja Zobacz źródło na GitHub

Ładunki model zapisany poprzez model.save() .

Stosowany w notebookach

Używany w przewodniku Używany w samouczków

Stosowanie:

model = tf.keras.Sequential([
    tf.keras.layers.Dense(5, input_shape=(3,)),
    tf.keras.layers.Softmax()])
model.save('/tmp/model')
loaded_model = tf.keras.models.load_model('/tmp/model')
x = tf.random.uniform((10, 3))
assert np.allclose(model.predict(x), loaded_model.predict(x))

Uwaga, że ​​model wagi mogą mieć różne nazwy lunetą po załadowaniu. Scoped nazwy to nazwy modelu / warstwą, taką jak "dense_1/kernel:0" . Zaleca się korzystanie z właściwości warstwy dostępu do konkretnych zmiennych, np model.get_layer("dense_1").kernel .

filepath Jeden z następujących:

  • String lub pathlib.Path obiekt, ścieżka do zapisanego modelu
  • h5py.File obiekt, z którego można załadować model
custom_objects Opcjonalne Słownik nazw Mapping (strings) do niestandardowych klas i funkcji, które należy uwzględnić podczas deserializacji.
compile Boolean, czy skompilować model po załadowaniu.
options Opcjonalne tf.saved_model.LoadOptions obiekt, który określa możliwości ładowania z SavedModel.

Keras przykład wzorem. Jeśli oryginalny model został skompilowany i zapisany z optymalizatora, a następnie powrócił model zostanie skompilowany. W przeciwnym wypadku model będzie pozostawiony Nieskompilowany. W przypadku, Nieskompilowany model jest zwracany, wyświetlane jest ostrzeżenie, jeśli compile argumentem jest ustawiona na True .

ImportError jeśli ładowanie z pliku HDF5 i h5py nie jest dostępna.
IOError W przypadku nieprawidłowej zbiorze składowania.