文書の過去の版を表示しています。
(6)学習結果の保存(Keras)
Keras2でMNIST目次
Kerasプログラミングの全体図
- (6)学習結果の保存(Keras) ⇐ いまココ
以下をコピペするだけです。
#6 学習結果の保存(Keras) ### save model and weights json_string = model.to_json() open('apple_orange_model.json', 'w').write(json_string) model.save_weights('apple_orange_weights.h5')
そのままです。学習モデルをjson形式で保存し、そのモデルに対応した学習結果のパラメータをh5形式で保存します。
次のpredict.pyで、新しい画像の予測(分類)を行う際に、このモデルとパラメータを読み込む予定です。
開発環境
Windows 8.1
Anaconda
Python 3.5
Tensorflow 1.4
Keras 2.0.9
Keras2.0のインストール方法はwindowsにkeras2.0をインストールをご覧下さい。
このページは、(5)結果の出力(Keras)の続きであり、今回は、結果の出力を行っていきます。
手順
0. 前回終了時の画面
(5)結果の出力(Keras)終了時の、以下のような状態から始めます。
1. 学習結果の保存
以下のコードを入力して、Shift + Enterを押します。
#6 学習結果の保存(Keras) ### save model and weights json_string = model.to_json() open('apple_orange_model.json', 'w').write(json_string) model.save_weights('apple_orange_weights.h5')
以下のような画面になります。
model.evaluate()関数により、入力値における損失値(損失関数に(x_test, y_test)の組み合わせを入力して出てきた結果)を返します。
詳細はよく分かりませんが、score[0]にlossを、score[1]にaccuracyを持つようなリストを返すようです。
lossは、おそらく、x_testの画像10000枚とその正解ラベルy_testのセットを、損失関数に入れたときの値(損失)だと思われます。(ググってもはっきりとした記載は見つけることはできませんでしたが、たぶんそれで間違いないと思います。)
KerasでのModel学習の手順は上記でおしまいです。
初めての方は、次は、(7)推測(Keras)に進んでください。
参考文献
初めてKerasプログラミングをやるときの超おすすめ本。
リンク
Keras2でMNIST目次
Kerasプログラミングの全体図