如何减小".h5“中的模型文件大小
如何减小".h5“中的模型文件大小
提问于 2022-05-11 08:31:18
我使用的是tensorflow和keras 2.8.0版本。
我有以下网络：
#defining model
model=Sequential()
#adding convolution layer
model.add(Conv2D(256,(3,3),activation='relu',input_shape=(256,256,3)))
#adding pooling layer
model.add(MaxPool2D(2,2))
#adding fully connected layer
model.add(Flatten())
model.add(Dense(100,activation='relu'))
#adding output layer
model.add(Dense(len(classes),activation='softmax'))
#compiling the model
model.compile(loss='sparse_categorical_crossentropy',optimizer='adam',metrics=['accuracy'])
#fitting the model
model.fit(x_tr,y_tr,epochs=epochs, )
# Alla 12-esima epoca, va a converge a 1
# batch size è 125 credo, non so il motivo
#evaluting the model
loss_value, accuracy = model.evaluate(x_te, y_te)
#loss_value, accuracy, top_k_accuracy = model.evaluate(x_te, y_te, batch_size=batch_size)
print("loss_value: " + str(loss_value))
print("acuracy: " + str(accuracy))
#predict first 4 images in the test set
ypred = model.predict(x_te)关键是，现在我试图以".h5“格式保存模型，但是如果我将其训练为100个历元或1个历元，我将得到一个4.61Gb文件模型。
为什么这个文件这么大？我怎样才能缩小这个型号的尺寸？
回答 2
Stack Overflow用户
回答已采纳
发布于 2022-10-13 09:14:33
我发现(经过5个月的经验)，为了缩小模型尺寸、提高精度评分和降低损失值，需要采取的步骤如下：
- 对标签进行分类，然后更改模型的损失函数。
- 将范围内的数据标准化-1,1
- 使用密集层，增加参数，然后是模型的维数:有时甚至没有帮助。有更多的参数并不意味着有更多的准确性。为了找到解决方案，您必须多次尝试更改网络，使用不同的激活函数和优化器(如SGD或Adam )。
- 为learning_rate、decay_rate、decay_values等选择较好的参数。这些参数给你一个更好或更坏的结果。
- 使用batch_size = 32或64
- 使用一步一步加载数据集的函数，而不是在RAM中一次加载所有数据集，因为它使过程变得更慢，甚至不需要:如果您正在使用keras，那么您当然可以使用
tf.data.Dataset.from_tensor_slices((x, y)).batch(32 , drop_remainder=True)，当然，它应该用于培训、测试、验证。
希望这是有帮助的
Stack Overflow用户
发布于 2022-05-11 09:59:34
通用原因：h5文件的大小仅基于模型的参数数。
在构造模型之后，添加行model.summary()，并查看模型一般具有的参数数。
减少模型大小的步骤--：您的conv层中有很多过滤器。由于我不知道您想用您的模型实现什么，所以我仍然建议您将过滤器的数量分离到不同的conv层，并在其中添加Pooling层。将缩小图像，特别是减少Flatten层的参数数。有关Pooling层的更多信息可以找到这里。
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/72197835
复制相关文章
相似问题
腾讯云开发者
