Keras:多个GPU生成的负载检查点权重HDF5
Keras是一个开源的深度学习框架，它提供了一个高级的、用户友好的API，可以在多个后端（如TensorFlow、Theano、CNTK）上运行。Keras的设计目标是使深度学习模型的构建和训练变得简单快捷。
在深度学习训练过程中，通常会使用多个GPU来加速计算。当使用多个GPU时，Keras可以通过将模型复制到每个GPU上并在每个GPU上训练不同的批次来实现并行计算。这种方式可以显著提高训练速度。
生成的负载检查点权重HDF5是指在训练过程中，Keras会定期保存模型的权重参数到硬盘上，以便在训练过程中出现意外中断时可以恢复训练。HDF5是一种用于存储和组织大量数据的文件格式，它可以高效地存储和读取大型数组数据。
使用多个GPU进行训练时，Keras可以生成多个负载检查点权重HDF5文件，每个文件对应一个GPU的权重参数。这样做的好处是可以在训练过程中随时停止并恢复训练，而不会丢失之前已经训练好的权重参数。
Keras提供了ModelCheckpoint回调函数，可以在每个训练周期结束时保存模型的权重参数到HDF5文件中。通过设置save_weights_only=True参数，可以只保存权重参数而不保存模型结构。此外，可以通过设置save_best_only=True参数，只保存在验证集上性能最好的模型权重。
对于负载检查点权重HDF5文件的应用场景，主要是在训练深度学习模型时，特别是在使用多个GPU进行训练时。通过保存权重参数到HDF5文件，可以保证训练过程的可靠性和可恢复性。
腾讯云提供了多个与Keras相关的产品和服务，例如：
- 云服务器（CVM）：提供高性能的云服务器实例，可以用于运行Keras模型的训练和推理。
- GPU计算服务（GPU Cloud）：提供强大的GPU计算能力，可以加速深度学习模型的训练和推理。
- 弹性文件存储（CFS）：提供高性能、可扩展的文件存储服务，可以用于存储Keras模型和训练数据。
- 对象存储（COS）：提供安全可靠的对象存储服务，可以用于存储Keras模型的负载检查点权重HDF5文件。
- 容器服务（TKE）：提供高度可扩展的容器管理平台，可以用于部署和管理运行Keras模型的容器。
以上是腾讯云相关产品和服务的简要介绍，您可以根据具体需求选择适合的产品和服务来支持Keras的开发和部署。
相关·内容
1回答
我有一个美国有线电视新闻网的代码，它可以确定图像中是否包含暴力、毒品、恐怖或色情内容。我目前正处于训练CNN的阶段，并尝试不同的配置，以找到我的CNN的最佳准确性。通过这次培训，我实现了from keras.callbacks import ModelCheckpoint，以便在培训时使用检查点。我像这样使用回调：
checkpoint = ModelCheckpoint(WEIGHTS_PATH, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
model.fit_generator
浏览 8提问于2019-11-01得票数 0
回答已采纳
我有一个经过训练的Tensorflow模型和权向量，它们分别被导出到protobuf文件和权值文件中。
我如何将这些转换成JSON或YAML和HDF5文件，这些文件可以被Keras使用？
我有Tensorflow模型的代码，所以将tf.Session转换为keras模型并将其保存在代码中也是可以接受的。
浏览 5提问于2017-06-09得票数 27
回答已采纳
我试图加载我在training.So期间保存的keras模型，我去了，在那里我看到了这个。
从by_name=False格式加载权重时，只支持拓扑加载( TensorFlow )。请注意，对于继承自TensorFlow : HDF5负载的用户定义类，拓扑加载在tf.keras.Model和HDF5格式之间略有不同，而TensorFlow格式基于对象本地属性名称加载模型的构造函数中的层。
请你解释一下上面的那个好吗？
浏览 3提问于2020-05-08得票数 4
回答已采纳
我用tensorflow 1.13/1.14训练了一个multi_gpu_model，并用keras.model.save('<.hdf5>')保存了它们。现在，在迁移到tensorflow 2.4.1 (其中将Keras集成为tensorflow.keras )之后，由于以下错误，我不能像以前那样进行tensorflow.keras.models.load_model：
AttributeError: module 'tensorflow.python.keras.backend' has no attribute 'slice'
浏览 3提问于2021-03-22得票数 0
回答已采纳
我开发了一个基于LSTM层的带有Keras的NN模型。为了提高Paperspace ( GPU云处理基础设施)上的速度，我用新的层切换了层。但是，这只能在具有GPU cuDNN支持的机器上使用。PS: CuDNNLSTM只在Keras master__上可用，不在最新版本中。
因此，我已经生成了权重，并将它们保存为云中的hdf5格式，并且我希望在MacBook上本地使用它们。因为CuDNNLSTM层是不可用的，所以我只在本地安装时切换到LSTM。
阅读这个，我认为它会工作得很好，只是简单地将权重读入LSTM模型。
但是，当我试图导入它们时，Keras抛出了这个错误：
Traceback (mo
浏览 3提问于2017-10-29得票数 8
回答已采纳
1回答
我发现了 (在不同的场景中)，很多Github的问题和文章，但是它似乎总是与人们从Tf1.x升级到TF2.x有关。我不会那么做的。
以下是我的版本：
tensorflow 2.5.0
tensorflow-加载项0.13.0
tensorflow-数据集4.3.0
tensorflow-估计量2.5.0
tensorflow-gpu 2.5.0
我正在尝试使用TF对象检测，通过Python将Tf2.5中训练的模型转换为与tensorflow.js兼容的模型和。给出的答案是从跑步开始：
python export_inference_graph.py \
--
浏览 9提问于2021-07-16得票数 2
1回答
我有一个Keras模型(.hdf5)，我想部署在云中进行预测。现在我想估算一下我需要多少资源(CPU、GPU、RAM等)。 有没有人有关于函数/经验法则的建议，可以对此有所帮助？我找不到任何有用的东西。提前感谢！
浏览 17提问于2019-01-20得票数 2
回答已采纳
2回答
我有一个简单的CNN模型，我在ImageNet上进行培训。我雇用keras.utils.multi_gpu_model进行多GPU培训。它工作得很好，但当我试图在同一主干网上训练一个SSD模型时，我遇到了一些问题。它在主干网顶部有自定义丢失和几个自定义层：
model, predictor_sizes, input_encoder = build_model(input_shape=(args.img_height, args.img_width, 3),
浏览 0提问于2019-01-17得票数 1
我使用Darkflow和yolov2进行了定制训练。检查点folder.These中有四个文件是：
1.yolov2-3c-5500.data-00000-of-00001
2.yolov2-3c-5500.index
3.yolov2-3c-5500.meta
4.yolov2-3c-5500.profile
我想转换这些文件.weights？
当前，检查点的加载方式如下：
options = {
'model': 'cfg/yolov2-4c.cfg',
'load': 5500,
'threshold'
浏览 0提问于2018-05-31得票数 4
回答已采纳
我使用最新的tf.keras TF2.0a创建、编译并安装了一个模型。现在，我想将它保存为pb，以便稍后用于推理。
我用：
import time
saved_model_path = "./models/pb/experimental/{}".format(int(time.time()))
tf.keras.experimental.export_saved_model(model, saved_model_path)
saved_model_path
正如在point下面很好地描述为saved_model
model是我以前创建/编译/安装的模型。
现在我的问题
e
浏览 0提问于2019-05-22得票数 1
回答已采纳
要在崩溃后恢复训练，不仅必须恢复模型，还必须恢复进入model.fit(...)过程状态的所有对象和参数。
在我费心编写实现fitting对象的keras代码之前，我想知道用于崩溃恢复的标准方法(如果有的话)是什么，以便从中断的地方恢复TensorFlow 2.0训练。
还是有人真的填补了TensorFlow对象模型中的这个明显的漏洞？
浏览 3提问于2019-12-29得票数 1
1回答
在这个YOLOv4的Keras实现中，是否有可能从上次保存的最佳权重中继续进行训练？如下所示：
model_checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
filepath=checkpoint_filepath,
monitor='val_binary_accuracy',
mode='max',
save_best_only=True)
model.load_weights(checkpoint_filepath)
浏览 4提问于2022-03-31得票数 0
回答已采纳
我想从.hdf5文件中加载权重，并使用load_weights()。未出现错误。但是当我使用这个模型来预测。在我加载权重之前，结果与模型相同。
负载权重不起作用。我的keras版本是2.2.2 tensorflow版本是1.10.0
我该如何解决这个问题呢？谢谢
浏览 1提问于2018-09-12得票数 1
我想使用Keras Model检查点回调来保存最好的模型以及最新的模型。有没有一种方法可以做到这一点，而不需要创建新的ModelCheckpoint类和修改on_epoch_end函数？
我目前使用的检查指针是：
checkpter = keras.callbacks
.ModelCheckpoint(checkpoint_dir + 'checkpt_{epoch:02d} + _.hdf5', monitor='val_loss',
verbose=1, save_best_only=True, save_w
浏览 0提问于2019-07-09得票数 0
1回答
1)批处理规范化层是如何与多点_gpu_模型工作的？
它是在每个GPU上单独计算，还是在GPU之间进行某种程度的同步？
2)保存模型时，保存了哪些批规范化参数？(因为在Keras中使用多个gpus时，必须按照建议的这里保存原始模型)？
在multi_gpu_model的文档中写着：
具体而言，该功能实现了单机多GPU数据并行.
这对批处理标准化意味着什么？
浏览 0提问于2019-03-22得票数 3
在TensorFlow-Keras中训练CNN模型后，在使用以下函数打开模型文件时，我得到了标题中提到的这个错误： from tensorflow.keras import load_model
# I also tried:
# from tensorflow.compat.v1.keras.models import load_model
model = load_model('weights-improvement-70-0.57.hdf5', compile = False) weights-improvement-70-0.57.hdf5是我的模型文件。下面是我从
浏览 178提问于2020-08-20得票数 1
回答已采纳
我有一个两层神经网络的自定义估计器，我想提取每个时期的验证集性能来控制早期停止。我使用的是TensorFlow 1.41，运行在3970GTXGPU上。我的估计器看起来像这样(将来我想在我的网络中自定义架构，这样我就不能使用现成的估计器)：
def my_estimator(features, labels, mode, params):
""" NN estimator function """
# set up regularizer
regularizer = tf.contrib.layers.l2_regularizer(scale=
浏览 15提问于2018-01-30得票数 0
回答已采纳
1回答
我已经训练了一个使用keras的CNN模型，并在HDF5文件中保存了它的重量。
现在我想看看我的模型的准确性，我怎么能找到它？
如何使用HDF5来预测未标注的数据？是否可以使用h5文件？
谢谢
浏览 1提问于2017-03-29得票数 0
我试图在多GPU机器上的Docker容器中对Keras中的虚拟数据进行MobileNet训练。，但我决定改用一个更小的模型，这样即使是功能较弱的人也可以复制我的代码。我和ModelCheckpoint有一些冲突，我无法理解。
import tensorflow as tf
import keras.utils
from keras.applications import MobileNet
from keras.callbacks import ModelCheckpoint
from keras.optimizers import Adam
import numpy as np
import
浏览 1提问于2018-06-02得票数 0
回答已采纳
1回答
我试图保存keras完整的模型，但遇到了这个错误。
Traceback (most recent call last):
File "d:/Workspace/College/Semester 8/Tugas Akhir/Keras-RFCN-master/Keras-RFCN-master/testing.py", line 133, in <module>
main()
File "d:/Workspace/College/Semester 8/Tugas Akhir/Keras-RFCN-master/Keras-RFCN-master
浏览 2提问于2020-04-28得票数 0
回答已采纳
我正在创建一个自动编码器，作为我的完整模型的一部分，为卡格尔竞争。我试图把编码器的重量绑起来，转到解码器上。在第一个时代之前，权重是正确同步的，在那之后，解码器的重量只是冻结，不跟上编码器的权重，正在更新的梯度下降。
我在google上找到的关于这个问题的几乎每一篇帖子都找了12个小时，似乎没有人能回答我的问题。最接近的是这个，但是这个问题是通过不使用变量张量作为内核来解决的，但是我已经没有使用这种类型的张量作为我的解码器内核，所以没有用。
我正在使用本文中定义的DenseTied Keras自定义层类，完全相同，只需更改我引用Keras的方式，以适应我的导入风格。
import tensor
浏览 0提问于2019-09-06得票数 6
回答已采纳
嘿，我是坦索弗洛和卡拉斯的新手。我想知道是否有任何方法来转换我的tensorflow模型，它有四个文件：
checkpointmodelmodel-18540.data-00000-of-00001model-18540.index
有没有办法将这四个文件转换成单个keras文件格式为hdf5？
浏览 1提问于2021-01-02得票数 1
回答已采纳
1回答
我训练艾伯特回答问题的模型。我有20万对问答，我使用一个保存的2gb检查点文件。我在我的GPU GeForce 2070 RTX上训练它，每次用1000步来保存检查点，在训练检查点时，model.ckpt-96000.data-00000-of-00001文件只是保持135MB的大小而不增加。这有问题吗？
我不明白为什么在像1500个问答对这样的更小的数据集中，它也产生135 MB的检查点文件。它还没有停止训练，但是否有可能随着这种训练模式的改进？
浏览 1提问于2020-10-07得票数 0
回答已采纳
我的机器有以下规格：
处理器:至强E5-1620 v4
GPU: Titan X (Pascal)
Ubuntu 16.04
Nvidia驱动程序375.26
CUDA tookit 8.0
cuDNN 5.1
我以Tensorflow作为后端，对以下Keras示例进行了基准测试：
SCRIPT NAME GPU CPU
stated_lstm.py 5sec 5sec
babi_rnn.py 10sec 12sec
imdb_bidirectional_lstm.p
浏览 1提问于2017-01-31得票数 34
我有一个带有两个GPU的系统，并且正在使用带有Tensorflow后端的Keras。Gpu:0被分配给PyCUDA，它执行一个独特的操作，转发给Keras，并随批进行更改。因此，我希望在gpu:1上运行一个Keras模型，同时将gpu:0分配给PyCUDA。
有办法这样做吗？纵观以前的线程，我发现了几种折旧的解决方案。
浏览 0提问于2018-10-25得票数 0
回答已采纳
我正在使用一个定制的批处理重正化层实现Keras模型，该层具有4个权重(beta、gamma、running_mean和running_std)和3个状态变量(r_max、d_max和t)：
self.gamma = self.add_weight(shape = shape, #NK - shape = shape
initializer=self.gamma_init,
regularizer=self.gamma_regularizer,
浏览 9提问于2020-09-05得票数 8
在上面的文章中，他们同时创建了JSON和HDF5文件，
# serialize model to JSON
model_json = model.to_json()
with open("model.json", "w") as json_file:
json_file.write(model_json)
# serialize weights to HDF5
model.save_weights("model.h5")
print("Saved model t
浏览 1提问于2021-06-30得票数 0
回答已采纳
我对TensorFlow世界有点陌生，但我用Keras编写了一些程序。由于TensorFlow 2在官方上类似于Keras，所以我对tf.keras.callbacks.ModelCheckpoint和tf.train.Checkpoint之间的区别感到非常困惑。如果有人能说明这一点，我会很感激的。
浏览 3提问于2020-04-16得票数 3
回答已采纳
1回答
假设我们已经将模型保存为h5，那么我们可以使用keras的load_model函数加载模型。我已经浏览过多个github链接，其中作者提供了权重文件(.h5或.hdf5文件)。
那么，我们可以使用这些预先训练的权重/模型使用load_model吗？
load_model和load_weights有什么区别？
我是否可以使用load_model (keras)或应该使用(load_weight)加载权重文件。如果我们是装载重量，那么我们还加载整个架构的模型..
请通过一些例子提供更深入的理解。
浏览 14提问于2022-05-19得票数 -3
1回答
我最近发现了一个github代码库：，它的主要目的是减少gpu内存消耗。用法看起来很简单：
from tensorflow.python.keras._impl.keras import backend as K
K.__dict__["gradients"] = memory_saving_gradients.gradients_memory
如果keras是单独安装的，而不是tensorflow的一部分，我怎么能做同样的事情呢？由于这不起作用：
from keras import backend as K
K.__dict__["gradients"] =
浏览 1提问于2018-10-14得票数 0
我最近发现了这个，它可以在浏览器中运行keras模型的推断，支持使用webgl。我有几个tensorflow项目，我想在浏览器上运行推理，有没有办法将tensorflow模型导出到hdf5文件中，这样它就可以使用keras-js运行
浏览 2提问于2017-04-14得票数 0
因此，我想知道如何加载Tensorflow中的最新检查点(它的路径/目录)，并继续我停止的培训。以及如何加载最新的检查点并将其保存为一个完整的模型。请帮帮我
我的代码：
cp_callback = tf.keras.callbacks.ModelCheckpoint(
filepath=checkpoint_path,
verbose=1,
save_weights_only=True,
save_freq=1*batch_size)
# Create a ba
浏览 4提问于2022-11-05得票数 0
2回答
目前，我正试图了解如何重用VGG19 (或其他架构)，以改进我的小型图像分类模型。我将图像(这里是绘画)分为3类(比方说，15世纪、16世纪和17世纪的绘画)。我有一个很小的数据集，每班有1800个培训示例，验证集中每个类有250个。
我有以下实施：
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation
浏览 5提问于2017-09-11得票数 4
回答已采纳
2回答
我已经在keras中训练了一个多层感知器，将模型序列化为JSON，并将权重保存到HDF5。如何在C/C++中导入此模型以对其进行预测？
浏览 20提问于2018-08-02得票数 1
1回答
我正在学习DCGAN的这个教程，并试图从我保存的检查点恢复一个模型。但是当我尝试加载模型时，它给出了一个错误：
AssertionError: Nothing except the root object matched a checkpointed value. Typically this means that the checkpoint does not match the Python program. The following objects have no matching checkpointed value: [<tensorflow.python.keras.lay
浏览 55提问于2019-07-09得票数 3
2回答
我使用带有Tensorflow后端的Keras在GPU上训练图像分类模型。我在某个地方读到，培训大约使用两次(前后支持)验证的GPU内存，因此培训批次大小应该是验证批大小的一半。
但是，在许多博客和教程中，我看到人们使用相同的批处理大小进行培训和验证。
训练使用GPU内存两倍是真的，因为向前和向后传球，还是这是假的？
浏览 0提问于2018-08-11得票数 1
假设我有一个预先训练好的模型存储在Tensorflow检查点中。我想把它转换成一个Keras模型。我可以将检查点加载到TF会话中，但这就是我被卡住的地方。
浏览 3提问于2019-06-02得票数 1
保存Keras模型后，将其保存在何处？是否保存在本地？下面的代码是保存一个模型。 from keras.models import load_model
model.save('my_model.h5') # creates a HDF5 file 'my_model.h5
model = load_model('my_model.h5') 保存模型后，我可以在另一个jupyter ipynb文件中再次使用加载模型吗？
浏览 17提问于2021-03-19得票数 0
回答已采纳
1回答
我正在尝试用keras微调resnet 50。当我冻结resnet50中的所有图层时，一切都正常。但是，我想冻结resnet50的某些层，而不是全部。但是当我这样做的时候，我得到了一些错误。下面是我的代码：
base_model = ResNet50(include_top=False, weights="imagenet", input_shape=(input_size, input_size, input_channels))
model = Sequential()
model.add(base_model)
model.add(Flatten())
model.add
浏览 0提问于2017-10-07得票数 4
回答已采纳
我正在建立一个网络，该网络正在重复使用来自matterport回购(mask_rcnn_coco.h5)的区域提议网络权重，而且只有RPN。代码非常类似于原始存储库中的代码：
def rpn_graph(self, feature_map, anchors_per_location=3, anchor_stride=1):
"""Builds the computation graph of Region Proposal Network.
feature_map: backbone features [frames, heigh
浏览 2提问于2019-04-15得票数 0
回答已采纳
2回答
将模型权重保存到一个文件中。
、、、、
我有一个keras模型，它保存了每个时期的权重，我如何才能制作成一个文件？
这是保存模式的行。
我有50个时代，我将得到50个权重，我只想把它们保存在一个文件中。
> model.save_weights('checkpoint_epoch_{}.hdf5'.format(k))
知道我该怎么做才能把它保存在一个文件中，因为以后我必须将权重转换成tensorflow模型。
期望权重
checkpoint.h5
浏览 1提问于2020-02-19得票数 1
回答已采纳
我是机器学习的新手，我发现自己花了不成比例的时间来设置Tensorflow。我使用Anaconda作为环境管理不同的版本。我设法安装了
Tensorflow-cpu_1.14.0
Tensorflow-gpu_1.14.0
Tensorflow-cpu_2.0.0-beta1 1。
由于CUDA驱动程序的一些问题，我没有建立Tensorflow-gpu_2.0.0-beta，我暂时放弃了这个。
我的目标是确保上述三个版本正常工作，并使用系统上的所有可用资源。特别是，我的问题是：
如何可靠地衡量现有计算机和Tensorflow设置的性能？
举个例子，我只使用CPU版本
浏览 0提问于2019-08-26得票数 4
回答已采纳
1回答
今天，我在训练风格转移神经网络的同时，在保存格式方面遇到了很大的麻烦。
我觉得任务已经解决了，我只需要保存我的模型并再次加载它。但我找不到合适的方法。
我使用来自github的以下代码来训练样式传输网络：
我已经成功地训练了这个网络。
现在，我使用以下代码行保存了模型：
model.save("/tmp/nst/test.h5")
但是，为了应用保存的神经网络，我需要使用.ckpt格式的网络。
谁能告诉我如何在h5和.ckpt之间切换数据格式？
或者是否有专门的keras保存方法，这样我就可以将它保存为.ckpt？(-->伪代码: model.save_cpkt(
浏览 6提问于2020-02-19得票数 1
假设我有一个像这样的角面模型：
with tf.device("/CPU"):
model = tf.keras.Sequential([
# Adds a densely-connected layer with 64 units to the model:
tf.keras.layers.Dense(64, activation='relu', input_shape=(32,)),
# Add another:
tf.keras.layers.Dense(64, activation='relu'),
浏览 4提问于2020-01-06得票数 0
回答已采纳
我有一些python代码，可以使用Tensorflow的TFRecords和Dataset API来训练网络。我已经使用tf.Keras.layers构建了网络，这无疑是最简单、最快的方法。方便的函数model_to_estimator()
modelTF = tf.keras.estimator.model_to_estimator(
keras_model=model,
custom_objects=None,
config=run_config,
model_dir=checkPointDirectory
)
将Keras模型转换为估计器，这使我们能够很好
浏览 2提问于2018-10-02得票数 5
我想使用resnet50来执行回归任务。我使用自定义损失进行训练。我想使用检查点来保存对测试数据具有最小损失的最佳模型。模型训练代码如下：
input_shape = (32, 32, 1)
inputs = keras.Input(shape=input_shape)
outputs = tf.keras.applications.ResNet50(
include_top=False, weights=None, input_tensor=None,
input_shape=input_shape, pooling='max'
)(inputs)
out
浏览 1提问于2021-02-18得票数 0
1回答
在使用“Keras GPU”和“Keras CPU”时，从编程的角度(语法、函数或其他方面)看，“Keras with后端as Tensorflow”中有什么不同吗？我的意思是，如果一个程序可以在启用GPU的Keras上运行，那么同样的程序会在Keras上运行吗(效率并不重要)？
浏览 1提问于2017-03-31得票数 2
回答已采纳
我刚刚开始使用tensorflow进行深度学习。我偶然发现了ann_visualizer，想试一试。我按照指南安装和使用它。我还安装了graphviz包，它位于我的源文件夹中。 import numpy as np
import pandas as pd
import tensorflow as tf
import keras as keras
data = pd.read_csv('DataSets/Churn_Modelling.csv')
x = data.iloc[: , 3:-1].values
y = data.iloc[: , -1].values
from
浏览 17提问于2020-09-27得票数 1
回答已采纳
我在做西班牙语推文的情感分析。
在回顾了一些最近的文献之后，我看到最近有一项专门针对西班牙语文本(roberta-base-bne)的roberta-base-bne模型的培训工作。到目前为止，它似乎比目前最先进的西班牙语建模模型表现得更好。
对于不包括文本分类的各种任务，已经对RoBERTa模型进行了培训。我想拿这个，并微调它的文本分类，更具体地说，情感分析.
我已经完成了所有的预处理，并创建了dataset对象，并希望对模型进行本机训练。
码
# Training with native TensorFlow
from transformers import TFRobertaForS
浏览 10提问于2021-09-27得票数 4
3回答
背景
我想使用“盗梦空间-Resnet_v2”中的keras来预测病理图像。我已经训练了模型并得到了一个.hdf5文件。因为病理图像非常大(例如: 20,000 x 20,000像素)，所以我必须扫描图像以获得用于预测的小块。
我想使用python2.7使用多处理库加速预测过程。其主要思想是使用不同的子进程扫描不同的行，然后发送补丁到模型。
我看到有人建议在子进程中导入keras并加载模型。但我不认为它适合我的任务。使用keras.models.load_model()一次加载模型大约需要47s，这是非常耗时的。因此，每次启动新的子进程时，我都不能重新加载模型。
问题
我的问题是，我能否在我的
浏览 16提问于2017-12-09得票数 6
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
