SciML Julia中模型的保存和加载及训练后的最佳权重
在SciML Julia中，模型的保存和加载以及训练后的最佳权重可以通过以下步骤完成：
- 模型的保存：
- 首先，确保你已经安装了所需的 Julia 包，如 Flux、JLD2 等。
- 在训练完成后，可以使用 JLD2 包将模型保存到磁盘上。例如，使用
save("model.jld2", "model", model)将模型保存为名为 "model.jld2" 的文件。
- 模型的加载：
- 在需要加载模型的地方，首先确保已经安装了所需的 Julia 包，如 Flux、JLD2 等。
- 使用 JLD2 包的
load函数加载保存的模型文件。例如，使用model = load("model.jld2", "model")将名为 "model.jld2" 的文件中的模型加载到变量model中。
- 训练后的最佳权重：
- 在训练过程中，可以使用 Flux.jl 提供的回调函数来保存训练过程中的最佳权重。
- 例如，可以使用
Flux.@epochs宏和Flux.@save宏来保存每个 epoch 中的最佳权重。示例代码如下： - 例如，可以使用
Flux.@epochs宏和Flux.@save宏来保存每个 epoch 中的最佳权重。示例代码如下： - 这样，在训练结束后，你可以使用
load函数加载保存的最佳权重文件，例如best_weights = load("best_weights.jld2")。
需要注意的是，以上步骤中提到的包和函数仅为示例，实际使用时可能需要根据具体情况进行调整。此外，关于 SciML Julia 中模型保存和加载的更多细节，可以参考相关文档和官方教程。
相关·内容
我有一个我训练过的模型，我想保存它以供将来使用并分发给其他人。使用Flux.jl保存经过训练的模型的最佳方法是什么
浏览 12提问于2021-06-26得票数 0
回答已采纳
这可能是一个愚蠢的问题，但希望有人告诉我是或不是。
假设我在Tensorflow中有一个LSTM网络，并且正在使用Adam Optimizer训练它，通过在训练期间为X和Y变量提供一组X和Y dict来最小化成本函数，然后在同一会话中，为变量提供新的X和Y dict以进行测试，Tensorflow是自动使用在训练期间找到的最佳模型(即使用在训练期间带来最低成本值的权重)，还是仅使用其运行中的最新模型(即最新的时期)？
想知道当达到新的较低成本值时，是否需要设置model.saver函数来捕获最佳模型，关闭当前会话，然后使用保存的模型重新打开一个新模型，或者是否可以假设，当我在与训练相同的会话中
浏览 19提问于2019-11-05得票数 1
回答已采纳
ModelCheckpoint
save_best_only:如果save_best_only=True，它只在模型被认为是“最好的”时才会保存，而根据所监视的数量来表示的最新的最好的模型不会被覆盖。如果filepath不包含格式选项，如{ each }，那么filepath将被每个新的更好的模型覆盖。
EarlyStopping
restore_best_weights:是否以监测量的最佳值从时代恢复模型权重。如果是假的，则使用训练的最后一步得到的模型权重。无论相对于基线的性能如何，都将恢复一个时代。如果没有划时代改善的底线，训练将运行耐心时代和恢复重量从最好的时代在那一套。
如果我训练我的
浏览 0提问于2023-02-02得票数 0
回答已采纳
我完成了模型的训练处理。在训练期间，我使用ModelCheckpint通过以下方式保存最佳模型的权重：
checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1,
save_best_only=True, mode='max')
训练结束后，我将模型权重加载到模型中进行评估，但我发现该模型在训练过程中没有提供最佳的准确性。我重新加载模型，如下所示：
model.load_weights(filepath) #load saved we
浏览 0提问于2016-11-23得票数 5
在使用以下内容时：
callbacks = [
EarlyStopping(patience=15, monitor='val_loss', min_delta=0, mode='min'),
ModelCheckpoint('best-weights.h5', monitor='val_loss', save_best_only=True, save_weights_only=True)
]
model.fit(..., callbacks=callbacks)
y_pred = model.predict(
浏览 0提问于2018-08-15得票数 13
回答已采纳
我正尝试在google colab上的自定义数据集上训练一个TensorFlow对象检测模型，我有一个保存的模型，训练了5000步，是否可以使用保存的模型恢复训练？我计划再训练20000步。我正在使用google colab进行培训，培训大约需要36个小时，所以我计划使用checkpoint。如何存储最佳模型检查点，并在会话运行时使用它们？
浏览 83提问于2021-03-12得票数 2
我通过两种方式保存keras模型1。"ModelCheckpoint“2. "save_weights”训练后模型 但是当使用"load_weights“和"predict”加载训练模型时，这两种方法的性能是不同的。 我的代码如下 训练和保存模型 model_checkpoint = ModelCheckpoint("Model_weights.hdf5", verbose=1, save_best_only=True) early_stopping = EarlyStopping(monitor='val_loss', pat
浏览 63提问于2020-06-15得票数 1
回答已采纳
1回答
我通常使用load_model()方法加载我的Keras模型。是否有可能在再次加载模型后获得训练过的模型的纪元数？
这个提到了以下黑客攻击：
r = model.fit(X_train,y_train,epochs=5)
n_epochs = len(r.history['loss'])
然而，这并不是我想要的，因为我想从加载的模型中获得纪元的数量。
浏览 18提问于2019-07-30得票数 1
回答已采纳
我想用MNIST数据集训练一个MLP(多层感知器)。我使用验证集，这样我就可以保存最佳模型的权重。然后，我想将这些权重加载回相同的体系结构中，并使用它们来初始化和训练另一个数据集。我想知道Tensorflow 1.x或2.x是否可以做到这一点。现在，我正在尝试编写一个自定义函数来完成这项工作，但它正变得越来越复杂。我使用的是tf 1.x。
浏览 0提问于2021-09-04得票数 0
learner = ConvLearner.pretrained(arch, md, ps=0.5) #dropout 50%
learner.load('ResNet34_256_1-2')
learner.fit(lr,1)
learner.save('ResNet34_256_1')
加载和保存的h5文件具有相同的大小。训练后应该增加吗？我怎么知道保存的模型比加载更好？
浏览 0提问于2018-10-31得票数 0
回答已采纳
1回答
如何定期重新训练keras模型
、、、、
假设我在初始时有4000个数据点，我使用索引0到3999的数据点训练了一个模型，然后保存了该模型。现在，5天后，我加载了保存的模型，现在我使用索引5到4004的数据来重新训练保存的模型。训练是从上次学习的权重开始，还是像在新模型中一样重新初始化权重？数据是时间序列数据。
浏览 23提问于2020-10-16得票数 0
加载模型之后，我能继续训练模型吗？
model = keras.models.load_model('path to .h5 file')
还是我必须再次使用model.compile()？
浏览 12提问于2022-07-01得票数 0
回答已采纳
1回答
我做了一个训练课程，获得了70%的访问率，并节省了重量。
我现在希望将这些权重从LSTM加载到相同的模型中，该模型三层中每一层都有(32，32，16)个输出，但有(64，64，32)个输出。有4层，最后一层是具有8个输出的softmax，并且没有变化。
如何将权重的“前半部分”加载到这个新模型中？
我正在尝试使用上一次训练课程来让网络从某个地方开始，因为训练时间变得如此之长，而我的视频卡不适合训练，这需要大量的时间。
浏览 9提问于2017-07-01得票数 1
我从keras.Sequential类中训练了基本模型，但是在运行model.compile()后没有立即节省重量。是否有可能从合适的模型物体中恢复初始重量？我检查了model.__dict__并在那里找到了'_initial_weights': None，但我不明白为什么，这是经过几个时期的训练。
浏览 0提问于2023-03-13得票数 0
2回答
我已经在Linux64机器上训练了一个keras顺序模型，并保存到一个.h5文件中。
在这台PC上，我可以加载模型并进行预测，而不会出现问题。
现在我在一个安装了keras，tensorflow，h5py和python3的Raspberry Pi 3中实现了预测。
当我加载模型时
from keras.models import load_model
model = load_model('model-0.6358.h5')
，我得到了：
usr/lib/python3.4/importlib/_bootstrap.py:321: FutureWarning: Conversi
浏览 0提问于2018-03-09得票数 9
回答已采纳
1回答
我用一个训练集训练了一个带有Keras的文本分类(监督学习)模型。假设这套训练中有50.000句话。
在一周内，我收集了5.000句新句子，并将它们添加到旧的训练集中。
如果下周我想用新的和更大的训练集(50.000句旧句子+ 5.000句新句子)来训练一个新模式，我应该从一开始就重新开始训练阶段吗?还是我可以采用旧模式并以某种方式“更新”它以节省一些时间？
浏览 0提问于2018-11-14得票数 8
回答已采纳
我自己有一个经过训练的模型(在tf 1.14中训练过)，我用它来预训练另一个模型。因此，它不是你可以在tf.keras.applications中找到的著名的模型之一，比如ResNet/etc。
我想将我的工作切换到TF2.0，但找不到任何链接来为我提供有关如何在tf2中加载TF1.14检查点和图形的详细信息。
在tensorflow 2中使用tf 1的模型信息进行迁移学习是完全可能的吗？
浏览 2提问于2019-11-20得票数 3
1回答
我在google训练了一个计算机视觉模型。
现在我想把它放到我的电脑上去处理。
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
3回答
我已经训练文本分类器使用simpleTranformer.ai，我正在努力保存和加载模型的码头集装箱。请让我知道如何保存培训的模型，然后顺利地加载到不同的环境。我正在使用这个库：https://simpletransformers.ai/来使用以下命令来训练文本模型
model = ClassificationModel('xlmroberta', 'xlm-roberta-base',use_cuda=cuda_available, num_labels=78, args={'learning_rate':1e-5, 'num_tra
浏览 0提问于2021-04-06得票数 1
我正在尝试理解，在使用sciml_train在神经ODE上下文中训练模型后，我们如何保存模型+其最佳权重。
之后：
result_neuralode = DiffEqFlux.sciml_train(loss_neuralode, prob_neuralode.p,
ADAM(0.05), cb = callback,
maxiters = 100)
我真的不明白我们如何节省模型+最佳权重。我知道最佳权重可以通过调用result
浏览 4提问于2021-02-27得票数 2
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？请给我引路。
存储库的链接：
浏览 2提问于2019-07-08得票数 5
我有一个Keras模型，我用100个时代来训练这个模型。
现在，我在85岁时损失了0.0085，而在晚上我损失了0.0092。
我的问题是，
Keras中的model.save()保存了什么？
它是否节省了从lat时代(即100)获得的重量。
还是从最佳时期(即85年代)节省了重量？
或所有100个历期的平均或平均权重？
什么是真正的keras model.save()被设计用来在100个历元完成后保存权重？
谢谢你提前解释：)。
浏览 0提问于2019-07-09得票数 2
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
模型经过了训练和测试，我保存了检查点和模型。培训完成后，我将存储的模型加载到代码中。如果我关闭木星笔记本，我需要重新训练模型吗？
浏览 1提问于2022-09-04得票数 0
1回答
我目前正在研究Object detection。我正在使用Amazon Workspace来训练我的模型。我正在使用detect cars and bikes的模型。我使用了一个预培训模型(这是Faster-RCNN-Inception-V2模型)，并使用我自己的数据集为2个标签，即汽车和自行车定制它。我花了5个小时才完成训练。现在，我想修改我的模型，为另外两个标签，(保持旧的)，即总线和汽车。但我不想从头开始训练，因为我的模特已经接受了汽车和自行车的训练。那么，我是否可以只使用总线和auto的数据集来训练我的模型，并且在训练之后它将检测到所有的4 objects(car, bike, bus
浏览 1提问于2019-06-28得票数 0
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
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
2回答
我使用的是最新的Keras和Tensorflow后端(Python 3.6)
我正在加载一个模型，当我上次训练它时，它的训练准确率约为86%。
我使用的原始优化器是：
r_optimizer = optimizer=Adam(lr=0.0001, decay = .02)
model.compile(optimizer= r_optimizer,
loss='categorical_crossentropy', metrics = ['accuracy'])
如果我加载模型并在不重新编译的情况下继续训练，我的准确率将保持在86%左右(
浏览 0提问于2018-05-22得票数 1
我正在通过tensorflow后端通过keras训练一些模型。
当我在同一对象上训练后立即调用predict时，它工作得很好，并为不同的输入提供了不同的值。但是，当我将模型保存到一个文件中，然后从另一个python会话加载它时，predict总是为不同的输入返回相同的值。
我使用ModelCheckpoint保存模型，然后使用load_model加载。我还尝试使用to_json和model_from_json函数将架构分别保存和加载到json文件中。示例代码：
保存零件
with open("model.json", "w") as textFile:
p
浏览 51提问于2018-01-22得票数 3
我想使用预先训练的模型作为我的模型中的编码器部分。你可以找到我的模型的一个版本：
class MyClass(nn.Module):
def __init__(self, pretrained=False):
super(MyClass, self).__init__()
self.encoder=S3D_featureExtractor_multi_output()
if pretrained:
weight_dict=torch.load(os.path.join('models','weig
浏览 18提问于2022-07-24得票数 3
回答已采纳
如果预先训练过的模型(如Resnet101 )是在ImageNet数据集上训练的，那么我会更改其中的一些层。我还能在不同的ABC数据集上使用预先训练的模型吗？
让我们说这是ResNet34模型
它在ImageNet上进行预训练，并保存为ResNet.pt文件。
如果我改变了其中的一些层，让我们说我通过在conv4_x中引入一些层(检查图像)来使它更深一些。
model = Resnet34() #I have changes some layers inside this ResNet34()
optimizer = optim.Adam(model.parameters(), lr=
浏览 3提问于2021-10-04得票数 0
在使用图形处理器训练PyTorch模型后，我可以使用保存的权重在TPU上继续训练模型吗？
浏览 6提问于2021-09-25得票数 0
1回答
我打开这个线程来讨论如何使我的NN模型进行部署。
我用在Matlab中建立和训练了一个神经网络(mdCNN是一个简单的Matlab库，用于建立多维输入神经网络，目前Matlab-cov3x3x3不支持它)。我用Matlab训练我的模型，现在我想把它投入生产。
经过几个小时的研究，我计划做以下工作
用TF后端在Keras中训练神经网络模型。我选择Keras是因为我希望将来与Matlab具有向后兼容性。
从Keras模型获取tensorflow会话，有一个如何执行的示例。在文件中比*.pd文件
从模型加载神经网络模型。有一个特定的功能可以做到这一点
简历：：readNet()
在C
浏览 1提问于2018-08-28得票数 3
通过迁移学习，我使用Tensorflow 2.0训练了一个ResNet50模型。我稍微修改了体系结构(新的分类层)，并在培训期间使用ModelCheckpoint回调保存了模型。训练很好。通过回调保存的模型在硬盘上占用了206 MB。
为了使用我所做的模型进行预测：
我开了一本木星实验室笔记本。我使用my_model = tf.keras.models.load_model('../models_using/my_model.hdf5')加载模型。(顺便说一句，使用IPython也会发生同样的情况)。
我使用free linux命令行工具在加载之前和之后测量空闲内存。模
浏览 3提问于2019-12-06得票数 5
回答已采纳
当我们建立一个模型并训练它时，初始权值被随机初始化，除非指定(种子)。
如我们所知，有许多参数，我们可以调整，如时代，优化，batch_size等，以找到“最佳”模型。
我遇到的问题是:即使我们在调优后找到了最好的模型，权重也会不同，产生不同的模型和结果。因此，如果我们用“最佳参数”编译并再次运行它，那么最好的模型可能就不是最好的了。如果我们在权重中添加可重现性的参数，我们就不知道这些参数是否是最佳的权重。另一方面，如果我们调整权重，那么“最佳参数”就不再是最佳参数了？我被困在一个循环里。与其他参数相比，是否有关于先调整哪些参数的一般指导方针？
或者这整个逻辑在某个地方都有缺陷，而我却想得太多
浏览 0提问于2019-09-03得票数 0
回答已采纳
我在凯拉斯有个受过训练的模特。
我正在尝试在另一个任务中使用该模型，但我不需要所有的层，而只需要前4个conv层。
我把模型保存在"keras_pretrained_model.h5“里
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，我不知道在我用权值初始化新模型之后如何删除预训练模型。据我所知，使用tf.keras.backend.clear_session()将清除与旧模型一起创建的新模型。
所以，我的问题是
是否有任何方法来初始化新的模型层中的权重，而
浏览 6提问于2020-08-19得票数 0
我有一个类和子类的列表，由于仅最后一层就有大约700个类，我认为单独训练每组类会更好。但在我训练它们并能够一起使用它们之后，我发现我加载的模型越多，它消耗的内存就越多。据我所知，使用Keras只有两种选择，一种是使用加载模型，另一种是只加载模型权重。问题是我在内存中几乎看不到变化，两者都使用相同数量的内存。如何加载消耗较少内存的模型？
浏览 45提问于2019-12-27得票数 1
回答已采纳
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
我正在训练一个FCN在TF/Keras与乙状结肠焦点丢失(从TF加载项)和节省重量在检查站。我需要在另一台目前还没有安装TF加载项的计算机上进行推理。由于有了自定义层，我似乎无法保存整个序列化模型，需要创建模型体系结构并加载权重。
我是否正确地认为，一旦您拥有了模型的权重，您所需要的就是通过load_weights重新创建该模型的体系结构吗？换句话说，一旦经过培训，损失函数和优化器就不再扮演任何有意义的角色了？因此，我可以建立我的架构，并添加另一个优化器和一个更常规的损失(例如，分类x熵)，一旦权值被加载，推断将给出相同的结果，就像我有乙状结肠焦点损失一样？
浏览 0提问于2021-11-01得票数 1
回答已采纳
我有大约120个模型训练并存储在多个文件夹中。我正在尝试将这些模型加载到字典中，以便做出特定于其用例的预测。 但问题是，由于字典变得太大，加载这些模型以及预测输出需要时间。 有没有比在python字典中更有效地加载这些模型的方法？我甚至尝试将这120个模型加载到12个不同的字典中，但加载和预测仍然需要大量的时间。 但问题是，由于字典变得太大，加载这些模型以及预测输出需要时间。 model = {}
for _ in tqdm(os.listdir("wts_deep")):
try:
int(_[0])
list_of_models =
浏览 9提问于2019-06-17得票数 0
1回答
如果我是在GRU模型上训练，我是否可以输出学习的参数，以便下次我用更多的数据进行训练时，我可以以这些学习参数作为起点进行初始化？
浏览 1提问于2018-02-01得票数 1
我训练了一个使用CuDNNLSTM单元的keras模型，现在我希望将该模型加载到缺少GPU的主机设备上。但是，由于CuDNNLSTM单元需要一个GPU，加载过程就会爆炸，抛出：
没有注册OpKernel来支持这些吸引人的Op 'CudnnRNN‘。
有什么后门可以让我在没有GPU的主机上加载模型吗？任何建议都会很有帮助的！
浏览 0提问于2018-10-19得票数 2
回答已采纳
1回答
我正在Keras中训练一个神经网络，但是当新的数据出现时，我尝试重新训练它，这个时代的损失和我第一次训练我的模型时一样高。
checkpoint = ModelCheckpoint('my_model.h5', monitor='loss', verbose=1, save_best_only=True, mode='min')
callbacks_list = [checkpoint]
model.fit(X_train,y_train, batch_size = batch_size, epochs = epochs, callback
浏览 1提问于2018-10-09得票数 0
回答已采纳
我有一个ML模型，它需要X秒才能检测到在训练对象的图像中的对象。这是否意味着在每幅图像的训练过程中至少要花费X或X+Y几秒钟？，您能提供详细的见解吗？
例如，假设SSD512模型在硬件平台上的训练速度为每秒30幅图像，这是否意味着我能够达到至少(如果不是超过)每秒30幅图像的推理速度？
这个问题并不局限于神经网络模型。一般的洞察力是值得赞赏的。在我的情况下，我正在处理级联分类器。我正在加载一个经过cascade.xml训练的模型来检测一个对象。我想知道训练图像所需的时间和加载训练模型后检测对象所需的时间之间的关系。
浏览 4提问于2017-12-16得票数 0
1回答
我使用创建了一个模型。我花了无数个小时给数据贴上标签，并训练了一个模型。在经过近20个小时的“训练”之后，这款车型依然不起眼。
我如何在这个模型上迭代？我不想失去到目前为止已经完成的“学习”。它能工作大约3/5次。
我最好的猜测是，我应该再次遍历这些对象，找出它的错误所在，并相应地进行标记。但我不确定那最好的方法。我是否应该将所有“错过”的图像标记为测试数据图像？是否有关于这个主题的最佳实践或资源？
浏览 7提问于2019-10-03得票数 0
回答已采纳
我目前正在使用fast.ai来训练图像分类器模型。
data = ImageDataBunch.single_from_classes(path, classes, ds_tfms=get_transforms(), size=224).normalize(imagenet_stats)
learner = cnn_learner(data, models.resnet34)
learner.model.load_state_dict(
torch.load('stage-2.pth', map_location="cpu")
)
其结果是：
文件&
浏览 3提问于2019-03-07得票数 1
回答已采纳
在Keras中，您可以使用以下命令加载以前训练过的模型：
trained_keras_model = tf.keras.models.load_model(model_name)
有没有使用TensorFlow estimator进行此操作的等效方法？根据文档，我必须使用：
trained_estimator = tf.estimator.Estimator (model_fn，model_dir)我希望仅使用模型目录中的文件来获得经过训练的估计器。更清楚地说，我的想法是在没有model_fn源代码的情况下从磁盘加载“任何”模型。可以这样做吗？
这个特性是在Keras中实现的，所以我不明白为什
浏览 0提问于2018-02-12得票数 2
我想在不同的代码中使用经过rllib训练的策略模型，在那里我需要跟踪为特定输入状态生成的操作。使用标准的TensorFlow或PyTorch (首选)网络模型可以提供这种灵活性，但我找不到关于如何从经过训练的rllib代理生成可用的dat或H5文件的明确文档，然后我可以将其加载到torch或tf/Keras模型中。
浏览 38提问于2020-08-23得票数 1
我已经训练了一个模型并使用ModelCheckpoint保存了权重：
checkpoint_callback = ModelCheckpoint(
filepath = checkpoint_prefix,
save_weights_only = True,
save_freq = 'epoch')
晚上，当我的模特在训练的时候，停电了一段时间，我的电脑也关了。现在我打开了我的木星笔记本，我想加载我的模型，而不是从一开始就训练它。我应该如何做到这一点，而不重新编译它，只使用检查点？我也有张板回调：
tensorboard_callback = Tenso
浏览 2提问于2020-02-12得票数 1
回答已采纳
1回答
我需要在Chainer框架中加载一个经过预先训练的模型，但据我所知，保存的(.npz)文件只包含权数，我必须重新构建模型，然后将权重加载到模型中，而且无法在像Tensorflow这样的命令中加载整个模型。
这是真的吗？所以，任何有Chainer框架经验的人都可以提供一些指导吗？如果不是，在上述框架中加载经过预先训练的模型的正确方法是什么？
浏览 3提问于2020-10-17得票数 0
回答已采纳
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
