model.compile()是否初始化Keras (tensorflow后端)中的所有权重和偏差？
当我开始训练模型时，之前没有保存任何模型。我可以安全地使用model.compile()。现在，我已经将模型保存在h5文件中，以便使用checkpoint进行进一步的培训。
比方说，我想进一步训练模型。在这一点上我很困惑:我可以在这里使用model.compile()吗？它应该放在model = load_model()语句之前还是之后？如果model.compile()重新初始化了所有的权重和偏差，我应该把它放在model = load_model()语句之前。
在发现一些讨论之后，对我来说，似乎只有当我之前没有保存模型时才需要model.compile()。一旦我保存了模型，就不需要使用model.compile()。这是对的还是错的？当我想要使用训练好的模型进行预测时，我应该在预测之前使用model.compile()吗？
回答 2
Stack Overflow用户
发布于 2017-12-28 01:07:38
何时使用？
如果你使用的是compile，那么它肯定是在load_model()之后。毕竟，你需要一个模型来编译。(PS：load_model使用随模型一起保存的优化器自动编译模型)
compile 做了什么？
Compile定义了损失函数、优化器和指标。就这样。
它与权重无关，您可以根据需要多次编译模型，而不会对预先训练的权重造成任何问题。
您需要一个编译的模型来训练(因为训练使用损失函数和优化器)。但是没有必要为了预测而编译一个模型。
是否需要多次使用编译？
仅在以下情况下：
- 您想要更改其中之一：
- Loss function
- 优化器/学习率
- 指标
- 某些图层优化器的
trainable属性
- 您加载(或创建)了尚未编译的模型。或者您的加载/保存方法没有考虑之前的compilation.
重新编译的后果：
如果您再次编译模型，您将丢失状态的优化器。
这意味着你的训练在一开始会受到一些影响，直到它调整了学习率、动量等。但绝对不会对权重造成损害(当然，除非你的初始学习率太高，以至于第一步训练就疯狂地改变了微调的权重)。
Stack Overflow用户
发布于 2018-12-22 03:50:19
不要忘记，在更改层的trainable标志后，您还需要编译模型，例如，当您想要对模型进行微调时：
在没有顶层的情况下加载VGG模型所有图层(例如，将一些图层放到顶层)通过再次设置data
- un-freeze
trainable = True
- compile
- (不要忘记此步骤！)
- 在一些data
上编译和训练模型VGG的一些图层
https://stackoverflow.com/questions/47995324
复制相似问题