使用Keras 实现查看model weights .h5 文件的内容
Keras的模型是用hdf5存储的,如果想要查看模型,keras提供了get_weights的函数可以查看:
forlayerinmodel.layers:weights=layer.get_weights()#listofnumpyarray
而通过hdf5模块也可以读取:hdf5的数据结构主要是File-Group-Dataset三级,具体操作API可以看官方文档。weights的tensor保存在Dataset的value中,而每一集都会有attrs保存各网络层的属性:
importh5py defprint_keras_wegiths(weight_file_path): f=h5py.File(weight_file_path)#读取weightsh5文件返回File类 try: iflen(f.attrs.items()): print("{}contains:".format(weight_file_path)) print("Rootattributes:") forkey,valueinf.attrs.items(): print("{}:{}".format(key,value))#输出储存在File类中的attrs信息,一般是各层的名称 forlayer,ginf.items():#读取各层的名称以及包含层信息的Group类 print("{}".format(layer)) print("Attributes:") forkey,valueing.attrs.items():#输出储存在Group类中的attrs信息,一般是各层的weights和bias及他们的名称 print("{}:{}".format(key,value)) print("Dataset:") forname,ding.items():#读取各层储存具体信息的Dataset类 print("{}:{}".format(name,d.value.shape))#输出储存在Dataset中的层名称和权重,也可以打印dataset的attrs,但是keras中是空的 print("{}:{}".format(name.d.value)) finally: f.close()
而如果想修改某个值,则需要通过新建File类,然后用create_group,create_dataset函数将信息重新写入,具体操作可以查看这篇文章
补充知识:kerasloadmodel并保存特定层(pop)的权重savenew_model
有时候我们保存模型(savemodel),会保存整个模型输入到输出的权重,如果,我们不想保存后几层的参数,保存成新的模型。
importkeras fromkeras.modelsimportModel,load_model fromkeras.layersimportInput,Dense fromkeras.optimizersimportRMSprop importnumpyasnp
创建原始模型并保存权重
inputs=Input((1,)) dense_1=Dense(10,activation='relu')(inputs) dense_2=Dense(10,activation='relu')(dense_1) dense_3=Dense(10,activation='relu')(dense_2) outputs=Dense(10)(dense_3) model=Model(inputs=inputs,outputs=outputs) model.compile(optimizer=RMSprop(),loss='mse') model.save('test.h5')
加载模型并对模型进行调整
loaded_model=load_model('test.h5') loaded_model.layers.pop() loaded_model.layers.pop()
此处去掉了最后两层--dense_3,dense_2。
创建新的model并加载修改后的模型
new_model=Model(inputs=inputs,outputs=dense_1) new_model.compile(optimizer=RMSprop(),loss='mse') new_model.set_weights(loaded_model.get_weights()) new_model.summary() new_model.save('test_complete.h5')
以上这篇使用Keras实现查看modelweights.h5文件的内容就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。