[코딩애플] 모델 저장하기

1. 모델 전체 저장하기

import tensorflow as tf 

import numpy as np

(trainX, trainY), (testX, testY) = tf.keras.datasets.fashion_mnist.load_data()

trainX = trainX / 255.0

testX = testX / 255.0

trainX = trainX.reshape( (trainX.shape[0], 28,28,1) )

testX = testX.reshape( (testX.shape[0], 28,28,1) )

model = tf.keras.Sequential([

    tf.keras.layers.Flatten(),

    tf.keras.layers.Dense(128, activation='relu'),

    tf.keras.layers.Dense(10, activation='softmax'),

])

model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['acc'])

model.fit(trainX, trainY, validation_data=(testX, testY), epochs=3)

medel.summary()

 

# 모델 전체 저장하기기

model.save('새폴더/model1')

 

# 저장된 모델 불러오기

from keras.optimizers import optimizer

불러온모델 = tf.keras.models.load_model('새폴더/model1')

불러온모델.summary()

# acc 그지 같이 나오면 아래코드 다시 실행

# 불러온모델.compile(loss='sparse_categorical_crossentropy', optimizer="adam", metrics='sparse_categorical_accuracy')

불러온모델.evaluate(testX, testY)

 

 

 

 

2. w값만 저장하기

import tensorflow as tf 

import numpy as np

(trainX, trainY), (testX, testY) = tf.keras.datasets.fashion_mnist.load_data()

trainX = trainX / 255.0

testX = testX / 255.0

trainX = trainX.reshape( (trainX.shape[0], 28,28,1) )

testX = testX.reshape( (testX.shape[0], 28,28,1) )

model = tf.keras.Sequential([

    tf.keras.layers.Flatten(),

    tf.keras.layers.Dense(128, activation='relu'),

    tf.keras.layers.Dense(10, activation='softmax'),

])

# ModelCheckpoint 로 모델의 w값만 저장하기

콜백함수 = tf.keras.callbacks.ModelCheckpoint(

    filepath='체크포인트/mnist',

    save_weights_only=True,

    save_freq='epoch'

)

model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['acc'])

model.fit(trainX, trainY, validation_data=(testX, testY), epochs=3, callbacks=[콜백함수])  # callback 

medel.summary()

# w값만 저장해놨으면 모델 만들고 w값(checkpoint파일) 로드

model2 = tf.keras.Sequential([

    tf.keras.layers.Flatten(),

    tf.keras.layers.Dense(128, activation='relu'),

    tf.keras.layers.Dense(10, activation='softmax'),

])

model2.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['acc'])

model2.fit(trainX, trainY, validation_data=(testX, testY), epochs=3, callbacks=[콜백함수])  # callback

model2.load_weights('체크포인트/mnist') # 아까 저장한 w값 로드