在保存模型时，h5py文件和pickle文件之间的区别是什么？

Question

5

我希望了解有关模型保存的清晰信息。神经网络中有超参数和模型。

在我训练完模型后，我希望将所有内容保存下来以便于不必重新训练模型时使用。

当我将模型保存为h5py文件（.H5）时，它是否也会保存超参数？

如果是，pickle文件的目的是什么？

- Ind

“pickle文件的用途是什么？”的意思是什么？ - sentence

我的意思是它的目的。如果所有东西都可以通过h5保存，pickle文件的目的是什么？ - Ind

1

这有点像问“如果XML存在，JSON的目的是什么？”Keras同时具有save(path)和save_weights(path)。 - Jeppe

@Jeppe 你的意思是 Pickel 只保存权重吗？ - Ind

@Ind No. 我认为H5通常用于大量数值数据，而pickle是一般对象序列化。Keras选择使用H5来存储权重、架构等。你有阅读链接和下面的答案吗？save(path)会将所有内容都存储下来。save_weights(path)只会存储权重。两者都使用h5。 - Jeppe

2个回答

0

Keras文档：

不建议使用pickle或cPickle保存Keras模型。

- onew4y

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- sentence · Accepted Answer

您可以使用model.save(filepath)将Keras模型保存为单个HDF5文件，其中包含：

模型的体系结构，允许重新创建模型

模型的权重

训练配置（损失、优化器）

优化器的状态，允许恢复恰好回到离开时候的训练位置。

并且它明确说明：

不推荐使用pickle或cPickle来保存Keras模型。

为什么？嗯，可能有很多原因。这个是一个好的起点。