google colaboratory，权重下载（导出保存的模型）

Question

我使用 Keras 库创建了一个模型，并将模型保存为 .json 及其权重，扩展名为 .h5。我怎样才能将它下载到我的本地机器上？

保存模型我点击了这个 链接

原文由 Nishank Lakkakula 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

这对我有用！使用 PyDrive API

 !pip install -U -q PyDrive
from pydrive.auth import GoogleAuth
from pydrive.drive import GoogleDrive
from google.colab import auth
from oauth2client.client import GoogleCredentials

# 1. Authenticate and create the PyDrive client.
auth.authenticate_user()
gauth = GoogleAuth()
gauth.credentials = GoogleCredentials.get_application_default()
drive = GoogleDrive(gauth)

# 2. Save Keras Model or weights on google drive

# create on Colab directory
model.save('model.h5')
model_file = drive.CreateFile({'title' : 'model.h5'})
model_file.SetContentFile('model.h5')
model_file.Upload()

# download to google drive
drive.CreateFile({'id': model_file.get('id')})

重量相同

model.save_weights('model_weights.h5')
weights_file = drive.CreateFile({'title' : 'model_weights.h5'})
weights_file.SetContentFile('model_weights.h5')
weights_file.Upload()
drive.CreateFile({'id': weights_file.get('id')})

现在，检查你的谷歌驱动器。

下次运行时，尝试重新加载权重

# 3. reload weights from google drive into the model

# use (get shareable link) to get file id
last_weight_file = drive.CreateFile({'id': '1sj...'})
last_weight_file.GetContentFile('last_weights.mat')
model.load_weights('last_weights.mat')

一种更好的新方法（更新后）……忘记以前的（也有效）

 # Load the Drive helper and mount
from google.colab import drive
drive.mount('/content/drive')

系统将提示您授权 在浏览器中转到此 URL：类似于：accounts.google.com/o/oauth2/auth?client_id=…..

从链接中获取授权码，将您的授权码粘贴到空格中

然后你就可以正常使用驱动器作为你自己的磁盘

直接保存权重甚至完整模型

model.save_weights('my_model_weights.h5')
model.save('my_model.h5')

更好的方法是使用回调，它会自动检查模型在每个时期的表现是否优于保存的最佳模型，并保存迄今为止具有最佳验证损失的模型。

 my_callbacks = [
    EarlyStopping(patience=4, verbose=1),
    ReduceLROnPlateau(factor=0.1, patience=3, min_lr=0.00001, verbose=1),
    ModelCheckpoint(filepath = filePath + 'my_model.h5',
    verbose=1, save_best_only=True, save_weights_only=False)
    ]

并在 model.fit 中使用回调

model.fit_generator(generator = train_generator,
                    epochs = 10,
                    verbose = 1,
                    validation_data = vald_generator,
                    callbacks = my_callbacks)

您可以稍后加载它，即使使用以前的用户定义的损失函数

from keras.models import load_model
model = load_model(filePath + 'my_model.h5',
        custom_objects={'loss':balanced_cross_entropy(0.20)})

原文由 Samer Ayoub 发布，翻译遵循 CC BY-SA 4.0 许可协议