python - 将 keras 模型权重直接保存到字节/内存？

Question

Keras 允许保存整个模型或仅保存模型权重(请参阅 thread )。保存权重时，必须将它们保存到文件中，例如:

model = keras_model()
model.save_weights('/tmp/model.h5')

我不想写入文件，而是将字节保存到内存中。就像是

model.dump_weights()

Tensorflow 似乎没有这个，所以作为一种解决方法，我正在写入磁盘然后读入内存:

temp = '/tmp/weights.h5'
model.save_weights(temp)
with open(temp, 'rb') as f:
    weightbytes = f.read()

有什么办法可以避免这个回旋处？

Answer 1

weights=model.get_weights() 将获得模型权重。 model.set_weights(weights) 将设置模型权重。问题之一是您何时保存模型权重。通常，您希望保存验证损失最低的时期的模型权重。
Keras 回调 ModelCheckpoint 会将验证损失最低的权重保存到文件中。我发现保存到文件很不方便，所以我编写了一个小的自定义回调，将验证损失最低的权重保存到类变量中，然后在训练完成后将这些权重加载到模型中以进行预测。代码如下所示。编译模型时，只需将 save_best_weights 添加到回调列表中。

class save_best_weights(tf.keras.callbacks.Callback):
best_weights=model.get_weights()    
def __init__(self):
    super(save_best_weights, self).__init__()
    self.best = np.Inf
def on_epoch_end(self, epoch, logs=None):
    current_loss = logs.get('val_loss')
    accuracy=logs.get('val_accuracy')* 100
    if np.less(current_loss, self.best):
        self.best = current_loss            
        save_best_weights.best_weights=model.get_weights()
        print('\nSaving weights validation loss= {0:6.4f}  validation accuracy= {1:6.3f} %\n'.format(current_loss, accuracy))