• Keras有两种类型的模型，序贯模型（Sequential）和函数式模型（Model），函数式模型应用更为广泛，序贯模型是函数式模型的一种特殊情况。

  • 两类模型有一些方法是相同的：

    • model.summary():打印出模型概况，它实际调用的是keras.utils.print_summary。

    • model.get_config()：返回包含模型配置信息的Python字典。模型也可以从它的config信息中重构回去。

      config = model.get_config()
      model = Model.from_config(config)

      # or, for Sequential:

      model = Sequential.from_config(config)

  • model.get_layer()：依据层名或下标获得层对象。

  • model.get_weights()：返回模型权重张量的列表，类型为numpy array。

  • model.set_weights()：从numpy array里将权重载入给模型，要求数组具有与model.get_weights()相同的形状。

  • model.to_json：返回代表模型的JSON字符串，仅包含网络结构，不包含权值。可以从JSON字符串中重构原模型：

    from models import model_from_json
    json_string = model.to_json()
    model = model_from_json(json_string)

  • model.to_yaml：与model.to_json类似，同样可以从产生的YAML字符串中重构模型。

    from models import model_from_yaml
    yaml_string = model.to_yaml()
    model = model_from_yaml(yaml_string)
  • model.save_weights(filepath)：将模型权重保存到指定路径，文件类型是HDF5（后缀是.h5）
  • model.load_weights(filepath, by_name=False)：从HDF5文件中加载权重到当前模型中, 默认情况下模型的结构将保持不变。如果想将权重载入不同的模型（有些层相同）中，则设置by_name=True，只有名字匹配的层才会载入权重。