回答編集履歴
2
d
answer
CHANGED
|
@@ -5,20 +5,51 @@
|
|
|
5
5
|
os.path.abspath(PATH + "/model.json")
|
|
6
6
|
```
|
|
7
7
|
|
|
8
|
-
##
|
|
8
|
+
## モデル構造及び重みの保存方法
|
|
9
9
|
|
|
10
|
-
モデルの保存
|
|
10
|
+
Keras にはモデル構造及び重みの保存方法は以下があります。
|
|
11
11
|
|
|
12
|
+
|
|
13
|
+
* 重み + モデル構造 (.h5)
|
|
14
|
+
model.save(): 保存
|
|
15
|
+
model = load_model(): 読み込み
|
|
16
|
+
|
|
17
|
+
* 重み (.h5)
|
|
18
|
+
model.save_weights(): 保存
|
|
19
|
+
model.load_weights(): 読み込み
|
|
20
|
+
|
|
21
|
+
* モデル構造 (.json)
|
|
22
|
+
json_string = model.to_json(): 保存
|
|
23
|
+
model = model_from_json(json_string): 読み込み
|
|
24
|
+
|
|
25
|
+
* モデル構造 (.yaml)
|
|
26
|
+
yaml_string = model.to_yaml()
|
|
27
|
+
model = model_from_yaml(yaml_string)
|
|
28
|
+
|
|
29
|
+
## モデルの保存 (ModelCheckpoint で最良のモデルのみ保存する。)
|
|
30
|
+
|
|
12
31
|
```
|
|
32
|
+
import os
|
|
33
|
+
import time
|
|
34
|
+
|
|
13
35
|
import numpy as np
|
|
36
|
+
from keras.callbacks import ModelCheckpoint
|
|
14
37
|
from keras.datasets import mnist
|
|
15
38
|
from keras.layers import Activation, BatchNormalization, Dense
|
|
16
|
-
from keras.models import Sequential
|
|
39
|
+
from keras.models import Sequential
|
|
17
40
|
from keras.utils.np_utils import to_categorical
|
|
18
41
|
|
|
19
42
|
# MNIST データを取得する。
|
|
20
43
|
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|
|
21
44
|
|
|
45
|
+
# 1次元配列にする。 (28, 28) -> (784,) にする
|
|
46
|
+
x_train = x_train.reshape(len(x_train), -1)
|
|
47
|
+
x_test = x_test.reshape(len(x_test), -1)
|
|
48
|
+
|
|
49
|
+
# one-hot 表現に変換する。
|
|
50
|
+
y_train = to_categorical(y_train)
|
|
51
|
+
y_test = to_categorical(y_test)
|
|
52
|
+
|
|
22
53
|
# モデルを作成する。
|
|
23
54
|
model = Sequential()
|
|
24
55
|
model.add(Dense(10, input_dim=784))
|
|
@@ -34,20 +65,70 @@
|
|
|
34
65
|
loss='categorical_crossentropy',
|
|
35
66
|
metrics=['accuracy'])
|
|
36
67
|
|
|
68
|
+
# 学習する。
|
|
37
|
-
|
|
69
|
+
save_path = os.path.join('models', time.strftime("%Y%m%d-%H%M%S")) # 保存するディレクトリ
|
|
38
|
-
x_train = x_train.reshape(len(x_train), -1)
|
|
39
|
-
|
|
70
|
+
os.makedirs(save_path, exist_ok=True)
|
|
71
|
+
model_checkpoint = ModelCheckpoint(
|
|
72
|
+
filepath=os.path.join(save_path, 'model_{epoch:02d}_{val_loss:.2f}.h5'),
|
|
73
|
+
monitor='val_loss',
|
|
74
|
+
save_best_only=True,
|
|
75
|
+
verbose=1)
|
|
40
76
|
|
|
41
|
-
|
|
77
|
+
model.fit(x_train, y_train, epochs=10, batch_size=128,
|
|
42
|
-
|
|
78
|
+
validation_data=(x_test, y_test),
|
|
79
|
+
callbacks=[model_checkpoint])
|
|
80
|
+
```
|
|
43
81
|
|
|
44
|
-
|
|
82
|
+
以下のように models ディレクトリ以下に現在の時刻でフォルダが作成され、その下に重みファイルが保存されます。
|
|
45
|
-
batch_size=128,
|
|
46
|
-
epochs=10,
|
|
47
|
-
validation_split=0.1)
|
|
48
83
|
|
|
84
|
+
```
|
|
85
|
+
models
|
|
86
|
+
`-- 20181025-022510
|
|
87
|
+
|-- model_01_0.55.h5
|
|
88
|
+
|-- model_02_0.35.h5
|
|
89
|
+
|-- model_03_0.30.h5
|
|
49
|
-
|
|
90
|
+
|-- model_04_0.27.h5
|
|
91
|
+
|-- model_05_0.25.h5
|
|
92
|
+
|-- model_06_0.24.h5
|
|
93
|
+
|-- model_07_0.22.h5
|
|
94
|
+
|-- model_09_0.22.h5
|
|
95
|
+
`-- model_10_0.22.h5
|
|
96
|
+
```
|
|
50
97
|
|
|
98
|
+
### 読み込むとき
|
|
99
|
+
|
|
100
|
+
モデル構造は、save_json(), load_from_json() を使ってもいいですが、モデルがわかっているのであれば、それを構築して、model.load_weights() で重みだけ読み込めばよいです。
|
|
101
|
+
|
|
102
|
+
```
|
|
103
|
+
# 一番新しいモデルのパスを取得する。
|
|
104
|
+
import glob
|
|
105
|
+
model_paths = glob.glob(os.path.join(save_path, 'model_*.h5'))
|
|
106
|
+
last_model_path = sorted(model_paths, reverse=True)[0]
|
|
107
|
+
print('loading weights...', last_model_path)
|
|
108
|
+
|
|
109
|
+
# モデルを作成する。
|
|
110
|
+
model = Sequential()
|
|
111
|
+
model.add(Dense(10, input_dim=784))
|
|
112
|
+
model.add(BatchNormalization())
|
|
51
|
-
model
|
|
113
|
+
model.add(Activation('relu'))
|
|
52
|
-
model.
|
|
114
|
+
model.add(Dense(10))
|
|
115
|
+
model.add(BatchNormalization())
|
|
116
|
+
model.add(Activation('relu'))
|
|
117
|
+
model.add(Dense(10))
|
|
118
|
+
model.add(BatchNormalization())
|
|
119
|
+
model.add(Activation('softmax'))
|
|
120
|
+
model.compile(optimizer='adam',
|
|
121
|
+
loss='categorical_crossentropy',
|
|
122
|
+
metrics=['accuracy'])
|
|
123
|
+
|
|
124
|
+
# 重みを読み込む。
|
|
125
|
+
model.load_weights(last_model_path)
|
|
126
|
+
loss, acc = model.evaluate(x_train, y_train)
|
|
127
|
+
print('Loss: {}, Accuracy: {}'.format(loss, acc))
|
|
128
|
+
```
|
|
129
|
+
|
|
130
|
+
```
|
|
131
|
+
loading weights... models/20181025-022510/model_10_0.22.h5
|
|
132
|
+
60000/60000 [==============================] - 1s 23us/step
|
|
133
|
+
Loss: 0.18432119323263566, Accuracy: 94.75%
|
|
53
134
|
```
|
1
d
answer
CHANGED
|
@@ -3,4 +3,51 @@
|
|
|
3
3
|
```python
|
|
4
4
|
import os
|
|
5
5
|
os.path.abspath(PATH + "/model.json")
|
|
6
|
+
```
|
|
7
|
+
|
|
8
|
+
## 追記
|
|
9
|
+
|
|
10
|
+
モデルの保存、読み込みであれば、model.save() 及び load_model() を使うとよいと思います。
|
|
11
|
+
|
|
12
|
+
```
|
|
13
|
+
import numpy as np
|
|
14
|
+
from keras.datasets import mnist
|
|
15
|
+
from keras.layers import Activation, BatchNormalization, Dense
|
|
16
|
+
from keras.models import Sequential, load_model
|
|
17
|
+
from keras.utils.np_utils import to_categorical
|
|
18
|
+
|
|
19
|
+
# MNIST データを取得する。
|
|
20
|
+
(x_train, y_train), (x_test, y_test) = mnist.load_data()
|
|
21
|
+
|
|
22
|
+
# モデルを作成する。
|
|
23
|
+
model = Sequential()
|
|
24
|
+
model.add(Dense(10, input_dim=784))
|
|
25
|
+
model.add(BatchNormalization())
|
|
26
|
+
model.add(Activation('relu'))
|
|
27
|
+
model.add(Dense(10))
|
|
28
|
+
model.add(BatchNormalization())
|
|
29
|
+
model.add(Activation('relu'))
|
|
30
|
+
model.add(Dense(10))
|
|
31
|
+
model.add(BatchNormalization())
|
|
32
|
+
model.add(Activation('softmax'))
|
|
33
|
+
model.compile(optimizer='adam',
|
|
34
|
+
loss='categorical_crossentropy',
|
|
35
|
+
metrics=['accuracy'])
|
|
36
|
+
|
|
37
|
+
# モデルの入力に合わせて1次元配列にする。 (28, 28) -> (784,) にする
|
|
38
|
+
x_train = x_train.reshape(len(x_train), -1)
|
|
39
|
+
x_test = x_test.reshape(len(x_test), -1)
|
|
40
|
+
|
|
41
|
+
# one-hot 表現に変換する。
|
|
42
|
+
y_train_onehot = to_categorical(y_train)
|
|
43
|
+
|
|
44
|
+
model.fit(x_train, y_train_onehot,
|
|
45
|
+
batch_size=128,
|
|
46
|
+
epochs=10,
|
|
47
|
+
validation_split=0.1)
|
|
48
|
+
|
|
49
|
+
model.save('model.h5')
|
|
50
|
+
|
|
51
|
+
model = load_model('model.h5')
|
|
52
|
+
model.summary()
|
|
6
53
|
```
|