環境:

Ubuntu	19.10
Python ?	3.6.10
Keras	2.3.1

#---------------------------------------------------------------------------------------------------------------------------------------

操作過程如下:

$ snap install netron

$ netron
Serving at http://localhost:8080

然后在瀏覽器打開http://localhost:8080

在Open Model上傳自己的.h5模型即可。

?

#---------------------------------------------------------------------------------------------------------------------------------------

準備好數據集:

tsocks wget https://s3.amazonaws.com/img-datasets/mnist.npz

mv mnist.npz ~/.keras/datasets

#---------------------------------------------------------------------------------------------------------------------------------------

運行如下代碼(來自[1]):

from keras.models import Model from keras.layers import Input, Dense from keras.datasets import mnist from keras.utils import np_utils(x_train, y_train), (x_test, y_test) = mnist.load_data() x_train=x_train.reshape(x_train.shape[0],-1)/255.0 x_test=x_test.reshape(x_test.shape[0],-1)/255.0 y_train=np_utils.to_categorical(y_train,num_classes=10) y_test=np_utils.to_categorical(y_test,num_classes=10)inputs = Input(shape=(784, )) x = Dense(64, activation='relu')(inputs) x = Dense(64, activation='relu')(x) y = Dense(10, activation='softmax')(x)model = Model(inputs=inputs, outputs=y)model.save('m1.h5') model.summary() model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy']) model.fit(x_train, y_train, batch_size=32, epochs=10) #loss,accuracy=model.evaluate(x_test,y_test)model.save('m2.h5') model.save_weights('m3.h5')

運行后我們得到m1,m2,m3三個文件

文件名	保存的函數	保存了圖結構	保存了模型參數	可否用Neutron打開
m1.h5	save()	√	X	√
m2.h5	save()	√	√	√
m3.h5	save_weights()	X	√	√

m1.h5打開結果

m2.h5打開結果

?

m3.h5打開結果

從上面可以看到權重的維度。

所以如[1]所說，沒啥事兒的話，盡量使用save()而不是save_weights()

#---------------------------------------------------------------------------------------------------------------------------------------

Reference:

[1]keras保存模型中的save()和save_weights()

?

?

?

總結

以上是生活随笔為你收集整理的Ubuntu下面的Keras可视化+权重维度获取-Netron的安装使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。