שמירת וטעינת מודל TensorFlow 2
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:
- 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.
- 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()
אפשר לראות שהמודל טוען את אותם שכבות, מספר nodes ופרמטרים.
אפשר לראות את המשקולות שהמודל שלנו מצא באמצעות:
loaded_model.get_weights()
ואפילו את האופטימייזר של המודל:
loaded_model.optimizer<keras.optimizers.Adam at 0x7f827b8ee9b0>
לכל המדריכים בנושא של למידת מכונה
אהבתם? לא אהבתם? דרגו!
0 הצבעות, ממוצע 0 מתוך 5 כוכבים
המדריכים באתר עוסקים בנושאי תכנות ופיתוח אישי. הקוד שמוצג משמש להדגמה ולצרכי לימוד. התוכן והקוד המוצגים באתר נבדקו בקפידה ונמצאו תקינים. אבל ייתכן ששימוש במערכות שונות, דוגמת דפדפן או מערכת הפעלה שונה ולאור השינויים הטכנולוגיים התכופים בעולם שבו אנו חיים יגרום לתוצאות שונות מהמצופה. בכל מקרה, אין בעל האתר נושא באחריות לכל שיבוש או שימוש לא אחראי בתכנים הלימודיים באתר.
למרות האמור לעיל, ומתוך רצון טוב, אם נתקלת בקשיים ביישום הקוד באתר מפאת מה שנראה לך כשגיאה או כחוסר עקביות נא להשאיר תגובה עם פירוט הבעיה באזור התגובות בתחתית המדריכים. זה יכול לעזור למשתמשים אחרים שנתקלו באותה בעיה ואם אני רואה שהבעיה עקרונית אני עשוי לערוך התאמה במדריך או להסיר אותו כדי להימנע מהטעיית הציבור.
שימו לב! הסקריפטים במדריכים מיועדים למטרות לימוד בלבד. כשאתם עובדים על הפרויקטים שלכם אתם צריכים להשתמש בספריות וסביבות פיתוח מוכחות, מהירות ובטוחות.
המשתמש באתר צריך להיות מודע לכך שאם וכאשר הוא מפתח קוד בשביל פרויקט הוא חייב לשים לב ולהשתמש בסביבת הפיתוח המתאימה ביותר, הבטוחה ביותר, היעילה ביותר וכמובן שהוא צריך לבדוק את הקוד בהיבטים של יעילות ואבטחה. מי אמר שלהיות מפתח זו עבודה קלה ?
השימוש שלך באתר מהווה ראייה להסכמתך עם הכללים והתקנות שנוסחו בהסכם תנאי השימוש.