如何保存封装在sklearn中的keras神经网络？
提问于 2020-09-22 12:23:00
如何将神经网络保存在sklearn模型中？我试着将它保存为h5文件，就像在keras中一样，但是得到了以下错误"Pipeline object has no attribute save“。我也尝试过保存在一个pickle文件中，就像在sklearn中一样，但是得到了下面的错误，无法pickle '_thread.RLock‘对象。
#Relevant Code
def create_model():
model = Sequential()
model.add(Dense(40, input_shape=input_shape,activation="relu"))
model.add(BatchNormalization())
model.add(Dense(40,activation="relu"))
model.add(BatchNormalization())
model.add(Dense(40,activation="relu"))
model.add(Dense(1))
model.compile(loss='mean_squared_error',optimizer='Adam')
return model
Estimator = KerasRegressor(build_fn=create_model,epochs=60,callbacks=[Early_stopping],validation_data=(X_test,y_test))
model = make_pipeline(StandardScaler(), Estimator)
input_shape=X1.shape[1:]
model.fit(X_train,y_train)
with open('Neural_network.pickle','wb') as file:
pickle.dump(model,file)
回答 1
Stack Overflow用户
发布于 2020-09-22 12:54:32
基于vars(model)的输出
{'steps': [('standardscaler', StandardScaler()), ('kerasregressor', <tensorflow.python.keras.wrappers.scikit_learn.KerasRegressor object at 0x000002570ECF6D60>)], 'memory': None, 'verbose': False}
您可以使用以下命令从管道访问KerasRegressor对象
kreg = model.steps['kerasregressor']基于this implementation source，训练好的Keras模型应该是回归器上的model属性：
model = kreg.model(我建议将管道对象重命名为pipeline，以避免混淆。)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/64009641
复制相关文章
点击加载更多
腾讯云开发者
