資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學如何使用 Python 中的 Keras 儲存和序列化模型？
TensorFlow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用，用於實現演算法、深度學習應用程式等等。它用於研究和生產目的。
可以使用以下程式碼行在 Windows 上安裝 “tensorflow” 包：
pip install tensorflow
張量 (Tensor) 是 TensorFlow 中使用的資料結構。它有助於連線資料流圖中的邊。此資料流圖稱為“資料流圖”。張量只不過是多維陣列或列表。
它們可以使用三個主要屬性來識別：
**秩 (Rank)** − 它表示張量的維度。可以理解為張量的階數或已定義張量的維度數。
**型別 (Type)** − 它表示與張量元素關聯的資料型別。它可以是一維、二維或 n 維張量。
**形狀 (Shape)** − 它是行數和列數的組合。
Keras 是一個用 Python 編寫的深度學習 API。它是一個高階 API，具有高效的介面，有助於解決機器學習問題。它執行在 TensorFlow 框架之上。它是為了幫助快速進行實驗而構建的。它提供了開發和封裝機器學習解決方案所必需的基本抽象和構建塊。
它具有高度的可擴充套件性，並具有跨平臺能力。這意味著 Keras 可以執行在 TPU 或 GPU 叢集上。Keras 模型也可以匯出到 Web 瀏覽器或行動電話上執行。
Keras 已經存在於 TensorFlow 包中。可以使用以下程式碼行訪問它。
import tensorflow from tensorflow import keras
Keras 函式式 API 有助於建立比使用順序 API 建立的模型更靈活的模型。函式式 API 可以處理具有非線性拓撲的模型，可以共享層，並可以處理多個輸入和輸出。深度學習模型通常是一個包含多個層的定向無環圖 (DAG)。函式式 API 有助於構建圖層圖。
我們正在使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 有助於在瀏覽器上執行 Python 程式碼，無需任何配置，並且可以免費訪問 GPU（圖形處理單元）。Colaboratory 建立在 Jupyter Notebook 之上。以下是學習如何使用 Keras 使用 Python 儲存和序列化模型的程式碼：
示例
print("Save the model to a file")
model.save("path_to_my_model")
print("Delete the model")
del model
print("Recreating the model from the saved model")
model = keras.models.load_model("path_to_my_model")程式碼來源 − https://www.tensorflow.org/guide/keras/functional
輸出
Save the model to a file") INFO:tensorflow:Assets written to: path_to_my_model/assets Delete the model Recreating the model from the saved model
解釋
模型儲存到檔案中。
此模型已刪除，以便可以從檔案中儲存的模型重新建立它。
它使用 “load_model” 方法重新建立。
瀏覽量 155 次
