在Keras中保存模型h5会降低精度表现。

Question

我使用Keras开发/实现了一个CNET，其中在

 model.fit()

我已经正确保存了模型：

 model.save('my_model_CNET32.h5')

如果在训练过程结束时未保存模型，使用测试数据集进行性能测试会得到99%的准确率，但是如果保存模型并使用以下方式重新加载：

 model = load_model('my_model_CNET32.h5')

在一个专门用于测试的新脚本中，根据CNET所了解到的，我获得了70%的成绩。

请注意，显然，测试数据集完全相同，我可以推断出分类性能较低是由于未能成功保存模型导致的。

您知道这个问题的原因吗？

提前致谢

- user3043636

---

你是否在使用Keras提供的.evaluate()函数？如果是，你能否使用.predict()和手动计算误差来构建自己的函数？我记得如果样本数量不是批量大小的倍数，evaluate会出现一些奇怪的问题。 - pietz

在Keras论坛上似乎有一个（无休止的...）关于这个问题的讨论：model.save和load给出不同的结果。 - desertnaut

Answer 1

这是我在CNET上遇到的类似问题。

• Keras以错误的方式将模型保存为.h5格式。虽然.h5格式仍然受到Keras的支持，但通过查看开发人员指南，似乎最好将模型保存在新的SavedModel格式中，因为它保存了从架构到模型优化器状态的所有内容。

• 在模型的compile方法中没有指定正确的准确度指标。这是我从以下两个问题中发现的：

  1. 加载模型后Keras给出低准确度
  2. 保存/加载后准确度丢失

- Simone