Keras加载模型后保存模型，为什么要从头开始训练？
Keras是一个开源的深度学习框架，它提供了一种简单而高效的方式来构建和训练深度学习模型。在使用Keras加载模型后保存模型时，为什么要从头开始训练，可能有以下几个原因：
- 模型结构或参数的改变：当你加载一个已经保存的模型后，如果你对模型的结构或参数进行了修改，那么你需要从头开始训练。因为模型的结构或参数的改变会导致模型的输出发生变化，从而需要重新训练模型以适应新的数据。
- 数据集的改变：如果你加载的模型是在一个特定的数据集上训练得到的，而你现在要在一个不同的数据集上进行训练，那么你需要从头开始训练。因为不同的数据集可能具有不同的特征和分布，所以需要重新训练模型以适应新的数据。
- 避免过拟合：过拟合是指模型在训练集上表现良好，但在测试集上表现较差的现象。当你加载一个已经训练好的模型后，如果你继续在原有的训练集上进行训练，可能会导致模型过拟合。为了避免过拟合，通常建议从头开始训练模型，使用新的训练集来训练模型。
总之，从头开始训练模型可以确保模型适应新的数据和需求，避免过拟合等问题。当然，在某些情况下，如果你加载的模型已经非常接近你的需求，你也可以尝试微调模型，即在已有模型的基础上进行训练，而不是从头开始训练。微调模型可以节省训练时间，并且在一些场景下可能会取得不错的效果。
关于Keras的更多信息和相关产品，你可以参考腾讯云的Keras产品介绍页面：Keras产品介绍
相关·内容
1回答
我在google训练了一个计算机视觉模型。如果我执行model.save("name.h5")，然后下载.h5文件，这是否保存了经过训练的模型？还是仅仅是模型中未经训练的结构？
浏览 4提问于2020-07-10得票数 2
回答已采纳
1回答
对于我正在使用的数据集，我已经使用Keras训练并保存了一个h5py模型。现在，我必须将新数据添加到预先训练的模型中，并在训练集中使用这些新数据。但我不想重新训练整个数据集，因为训练和保存模型已经花了大约7个小时。目前有哪些方法可用于向已训练的模型中添加任何新数据？
我不想重新训练整个模型是因为我没有要添加的大
浏览 0提问于2018-10-12得票数 2
14s 63ms/step - loss: 1.1927 - accuracy: 0.9893 - val_loss: 1.1287 - val_accuracy: 0.9870希望有人能给我一些想法。y_test))
浏览 36提问于2021-02-22得票数 0
1回答
我训练了一个模型并将它保存为import os model.save('')，我想使用我的模型对新的测试集进行预测，所以我用model = tf.keras.models.load_model('')加载它它向我展示了在加载Keras模型时检测到Tf2.5之前保存的这个waring (WARNING:tensorflow:SavedModel。请确保使用model.save()
浏览 2提问于2021-08-26得票数 3
2回答
对于以下问题，我没有找到任何答案：m = load_model.load("lstm_model_01.hd5")
我检查了m的所有可调用方法，但没有找到我要找的东西
浏览 0提问于2018-03-07得票数 2
回答已采纳
4回答
我试着从我训练过的模型中保存和装载重量。from keras.models import load_model但我知道这个错误：
last)
浏览 19提问于2017-11-13得票数 75
回答已采纳
在完成培训之后，是否有一种方法可以使用tf.keras模型子类API保存整个模型构建？我知道我们只可以使用save_weights来保存权重，但是有什么方法可以保存整个模型，以便在没有可用代码的情况下使用它来预测呢？class MyModel(tf.keras.Model):
super(MyModel, self).num_classes=10)
# The comp
浏览 0提问于2019-11-26得票数 0
回答已采纳
我已经用一些数据训练了一个深度学习模型，它用测试数据表现得很好。现在，当我获得新数据时，如何重新训练此模型？
浏览 3提问于2020-07-03得票数 0
我关注了一篇关于如何从头开始实现vgg16-model的博客，我想用Keras的预训练模型来做同样的事情。我查了一些其他的博客，但我想找不到合适的解决方案。我在一篇论文中看到，他们使用vgg16的预训练imagenet模型进行织物缺陷检测，他们冻结了前七层，并针对自己的问题对后九层进行了微调。VGG16相当容易从头开始实现，但是对于像resnet或xception这样的模型，它变得有点棘手。
浏览 14提问于2020-07-15得票数 0
回答已采纳
1回答
然后，我基于tf-hub或keras.applications (我使用相同的卷积核心)的预训练模型构建模型，在model.save()或tf.saved_model.save之后，结果模型文件的大小约为经过训练后，它的模型大小增加到30Mb！
如果我在训练后保存模型，再次重新创建模型，并从训练后的模型
浏览 39提问于2019-10-21得票数 0
2回答
所以在我昨天用model.save('path')保存了我的模型后，我今天才发现TF2.3和keras保存模型有一些问题。这里已经描述了问题：。但公认的解决方案对我没有帮助。当我使用model = tf.keras.models.load_model('path')加载模型时，它返回的测试精度比保存它之前要低。，我使用了'accuracy‘而不是&#
浏览 2提问于2021-08-04得票数 1
我试图在keras中的每个循环中使用新的数据样本来训练一个模型(使用tensorflow后端)。由于一些迭代后的GPU内存错误，我追加了K.clear_session()。有人能解释为什么这个错误出现在第二次迭代中吗？from keras.datasets import cifar10
(x_train, y_train), (x_tes
浏览 0提问于2019-08-06得票数 1
回答已采纳
4回答
我正在使用matterport存储库在自定义数据集上训练掩码RCNN。我在训练中取得了成功。现在，我想保存训练好的模型，并在web应用程序中使用它来检测对象。训练完成后如何保存mask rcnn模型？
浏览 2提问于2019-07-08得票数 5
loss=loss,
metrics=[metric]) 我正在使用SST2数据，这些数据是标记化和模型训练的提要。我能够使用model.evaluate(test_dataset)训练模型并进行预测。一切都很好。 我遇到的问题是，当我在GCP上服务模型时，它需要不同输入形状和结构的数据！如果我在保存的模型上运行cli，我也会看到同样的结果： saved_model_cli show --dir $MODEL_LOCAL --tag_set
浏览 26提问于2020-08-31得票数 1
请不要建议我将训练样本的数量除以批量大小。我想知道这是否可以从模型的属性中检索出来。
浏览 10提问于2020-04-25得票数 0
我已经用keras训练了一个模型并保存了它，在我用keras.models导入load_model()加载回模式后，我能看到训练期间计算出的指标是什么吗？
浏览 0提问于2020-05-24得票数 1
我在凯拉斯有个受过训练的模特。是否可以使用“.h5”文件中预训练模型的前4个conv层的权重来初始化新模型的前4个conv层？是否必须先加载整个预先训练过的模型？？
预训练模型实际上占用了很大的空间，
浏览 6提问于2020-08-19得票数 0
我用python训练了一个单层神经网络模型(一个没有keras和tensorflow的简单模型)。canI如何在训练后将其与权重一起保存在python中，以及稍后如何加载它？
浏览 0提问于2019-03-11得票数 5
问题是在推理时使用tensorflow.keras.models.load_model加载网络模型时会有很大的差异。如果我使用keras.models.load_model加载模型，推理速度比tensorflow.keras库快3倍。 模型存储在.h5文件中。可能只有一件事是“错误的”：首先我使用keras库训练并保存了模型，但(由于代码演变后的其他导入冲突)现在
浏览 32提问于2020-06-25得票数 0
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
即时通信 IM
对象存储活动推荐
腾讯云开发者
