שמירת וטעינת מודל TensorFlow 2

מחבר:
בתאריך:

אחרי שבמדריכים קודמים למדנו כיצד לבנות ולאמן מודל של למידת מכונה באמצעות TensorFlow 2, במדריך זה נסביר כיצד לשמור ולטעון את המודל כדי שנוכל להשתמש בו בהמשך בלי צורך לאמן מחדש את הרשת. המדריך מבוסס על מדריך קודם בסדרה על למידת מכונה (למדריך).

את המודל כדאי לשמור משתי סיבות:

  1. האופי הסטטיסטי של הרשת הנוירונית גורם לתוצאות שונות בכל פעם שנאמן את הרשת, ולכן נרצה לשמור את ההטיות והמשקלות (weights and biases) כמו גם את מבנה הרשת שנתנה לנו את התוצאה הטובה ביותר לשימוש בעתיד.
  2. אנחנו חייבים לשמור את המודל אחרי האימון כדי להציע אותו בתור מוצר מוגמר, לדוגמה בתור אפליקציה ברשת האינטרנט.

 

כיצד לשמור את המודל?

נשתמש בפונקציה save של TensorFlow 2 כדי לשמור את המודל.

לדוגמה:

model.save('mnist_model.h5')
  • HDF5 הוא פורמט הקובץ שבו נשמר המודל כי זה פורמט המשמש לשמירת מערכים רב ממדיים
  • השם שבחרתי לתת לקובץ הוא "mnist_model" ואתם מוזמנים לבחור את השם הרצוי לכם
  • model הוא משתנה שמכיל את המודל שאמנו במדריך הקודם
  • המידע שנשמר כולל את המידע על ארכיטקטורת הרשת (מספר שכבות, פונקציות אקטיבציה וכיו"ב), וגם מידע על מצב האופטימייזר ששימש לקומפילציה (Adam במקרה שלנו) כך שגם אם מפסיקים את אימון המודל באמצע ניתן להמשיך מהיכן שהפסקנו.

 

כיצד לטעון את המודל?

נשתמש בפונקציה load_model כדי לטעון את המודל.

from tensorflow.keras.models import load_model
loaded_model = load_model('mnist_model.h5')

כדי לצפות בארכיטקטורה של המודל שטענו:

loaded_model.summary()

דוגמה ל-overfit שבגללה אנחנו נפסול את המודל. זה מצב שבו המודל למד יותר מדי טוב ולכן הוא יודע לזהות את דוגמאות האימון ומתקשה במציאת דוגמאות הביקורת.

אפשר לראות שהמודל טוען את אותם שכבות, מספר nodes ופרמטרים.

אפשר לראות את המשקולות שהמודל שלנו מצא באמצעות:

loaded_model.get_weights()

דוגמה ל-overfit שבגללה אנחנו נפסול את המודל. זה מצב שבו המודל למד יותר מדי טוב ולכן הוא יודע לזהות את דוגמאות האימון ומתקשה במציאת דוגמאות הביקורת.

ואפילו את האופטימייזר של המודל:

loaded_model.optimizer
<keras.optimizers.Adam at 0x7f827b8ee9b0>

לחץ להורדת קובץ py של המדריך

לכל המדריכים בנושא של למידת מכונה

 

אהבתם? לא אהבתם? דרגו!

0 הצבעות, ממוצע 0 מתוך 5 כוכבים

 

 

הוסף תגובה חדשה

 

= 9 + 3