keras模型H5在理论上是如何工作的

Question

训练完成后，训练后的模型将保存为H5格式。但我不知道如何使用该H5文件作为分类器来对新数据进行分类。在对新数据进行分类时，H5模型在理论上如何工作？

Answer 1

当您将模型保存为h5-file时，您将保存模型结构、所有参数以及其他信息，如优化器的状态等。这只是一种保存大量信息的有效方法。您也可以使用json或xml文件格式来实现这一点。

你不能仅仅使用这个文件来分类任何东西(它是不可执行的)。您必须从该文件中将图形重新构建为tensorflow图形。为此，只需使用keras中的load_model()函数，该函数将返回一个keras.models.Model对象。然后，您可以使用该对象通过keras predict()函数对新数据进行分类。

Answer 2

问得好，

首先，您需要了解什么是HDF5文件，因为这是必备知识。如果您想要问题的答案，请参阅以下链接：What is HDF5

对于know，只需要知道它是一个有点复杂的文件类型，其中包含了您训练的模型的所有必要信息。

但它不是一个可执行文件，所以它只能作为函数的输入，以及你想要分类的图像，“在对图像进行适当的预处理之后”，

然后，根据HDF5文件和图像中的信息，将发生一系列操作，然后返回作为操作结果的类的概率。

例如，在深度学习框架之外，我们可以在使用tensorflow.js的web应用程序中使用model.h5，负责执行此操作的函数是"tensorflow library“中的"model.predict”。

这是javascript中的源代码，可以帮助你明确这一点:因为这是tensorflow.js中支持的格式，所以将hdf5文件转换为JSON。

如果你想了解更多关于tensorflow.js的信息：youtube playlist by deeplizard

正如你所看到的，我们可以将HDF5文件转换成JSON文件，我认为这会让事情变得更清楚！

model = await tf.loadModel("model.json");

let tensor = tf.fromPixels(image)
    .resizeNearestNeighbor([224,224])
    .toFloat();

let predictions = await model.predict(tensor).data();
    let top5 = Array.from(predictions)
        .map(function (p, i) { // this is Array.map
            return {
                probability: p,
                className: CLASSES[i] // we are selecting the value from the obj
            };
}).sort(function (a, b)

我希望这是有帮助的，只要阅读我提到的文章，其中的一部分就会有意义。