保存され、読み込まれたKerasモデルのトレーニングを続けるには？

Question

official keras documentationに続いて、モデルを保存して読み込むことができました。 Kerasはテンソルフローをバックエンドとして使用しています。

ただし、このような保存されて読み込まれたモデルに対しては、さらに多くのトレーニングを実行することは可能ですか？

以下は、Linkから借りたコードです。次に編集されます。

次のコードでは、モデルは75エポックで訓練され、保存されてから再度ロードされます。

しかし、もっと75エポックでそれをさらに練習しようとしたとき、モデルは訓練されておらず、私は何の修正もなく同じ結果を得ました。

# -*- coding: utf-8 -*- 

from keras.models import Sequential 
from keras.layers import Dense 
from keras.models import model_from_json 
import numpy 
import os 
# fix random seed for reproducibility 
numpy.random.seed(7) 
# load pima indians dataset 
dataset = numpy.loadtxt("pima-indians-diabetes.txt", delimiter=",") 
# split into input (X) and output (Y) variables 
X = dataset[:,0:8] 
Y = dataset[:,8] 
# create model 
model = Sequential() 
model.add(Dense(12, input_dim=8, kernel_initializer='uniform', activation='relu')) 
model.add(Dense(8, kernel_initializer='uniform', activation='relu')) 
model.add(Dense(1, kernel_initializer='uniform', activation='sigmoid')) 
# Compile model 
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
# Fit the model 
model.fit(X, Y, epochs=75, batch_size=10, verbose=0) 
# evaluate the model 
scores = model.evaluate(X, Y, verbose=0) 
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100)) 

# serialize model to JSON 
model_json = model.to_json() 
with open("model.json", "w") as json_file: json_file.write(model_json) 

# serialize weights to HDF5 
model.save_weights("model.h5") 
print("Saved model to disk") 

# later... 

# load json and create model 
json_file = open('model.json', 'r') 
loaded_model_json = json_file.read() 
json_file.close() 
loaded_model = model_from_json(loaded_model_json) 
# load weights into new model 
loaded_model.load_weights("model.h5") 
print("Loaded model from disk") 

# evaluate loaded model on test data 
loaded_model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy']) 
score = loaded_model.evaluate(X, Y, verbose=0) 
print("%s: %.2f%%" % (loaded_model.metrics_names[1], score[1]*100)) 


model.fit(X, Y, epochs=75, batch_size=10, verbose=0) 
score = loaded_model.evaluate(X, Y, verbose=0) 
print("%s: %.2f%%" % (loaded_model.metrics_names[1], score[1]*100)) 

Answer 1

それはあなたが二度loaded_modelを評価しているコードからのように見えますが、あなたの余分なトレーニングはちょうどmodelで行われます。別の変数名をコピーして貼り付けるのではなく、次のようなことを試すことができます。また、コメントの間にコードに空白を追加すると、物事を明確かつ整理するのに役立ちます。

# Save a model you have trained 
model.save('trained_model.h5') 

# Delete the model 
del model 

# Load the model 
model = load_model('trained_model.h5') 

# Train more on the loaded model 
model.fit(data, labels, epochs, batch_size)