загрузить сохраненную модель Tensorflow hdf5 с помощью API C ++ - PullRequest
0 голосов
/ 04 мая 2020

Я обучал модели сохранению модели контрольных точек каждую эпоху:

cp_callback = tf.keras.callbacks.ModelCheckpoint(
  filepath='model.' + str(name) + '.{epoch:02d}-{val_loss:.4f}-{val_accuracy:.4f}.hdf5',
  monitor='val_accuracy',
  save_best_only=False,
  mode='max',
  verbose=1, 
  save_weights_only=False,
  save_freq='epoch')

history = model.fit(
  x=train_data_gen,
  steps_per_epoch=((tot_train // batch_size)),
  epochs=epochs,
  validation_data=(validation_data_gen),
  validation_steps=((tot_validation // batch_size)),
  validation_freq=1,
  initial_epoch=0,
  shuffle=False,
  workers=12,
  use_multiprocessing=False,
  callbacks=[cp_callback]
)

Я использовал предварительно обученную модель из tenorflow-hub, которая использует KerasLayer в качестве слоя модели.

Итак, моя полученная модель Сводка такова:

>>> model.summary()
Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
keras_layer (KerasLayer)     (None, 2048)              23564800  
_________________________________________________________________
dense (Dense)                (None, 64)                131136    
_________________________________________________________________
dropout (Dropout)            (None, 64)                0         
_________________________________________________________________
dense_1 (Dense)              (None, 2)                 130       
=================================================================
Total params: 23,696,066
Trainable params: 131,266
Non-trainable params: 23,564,800
_________________________________________________________________

Теперь я бы загружал свою модель, используя API-интерфейсы tenorflow C ++, чтобы сделать вывод. Можно ли загрузить напрямую .hdf5?

...