Функция model_from_json

Функция model_from_json восстанавливает архитектуру модели Keras из JSON-строки. Первым параметром функция принимает строку JSON с описанием архитектуры. Вторым необязательным параметром можно передать словарь custom_objects для регистрации пользовательских слоев, функций активации и других объектов, которые использовались в модели. Функция возвращает необученную модель, поэтому после восстановления архитектуры веса обычно загружают отдельно через метод load_weights.

Синтаксис

tf.keras.models.model_from_json(json_string, [custom_objects])

Пример

Давайте создадим простую модель, сохраним ее архитектуру в JSON-строку и восстановим обратно:

import tensorflow as tf

model = tf.keras.Sequential([
	tf.keras.layers.Dense(4, activation='relu', input_shape=(3,)),
	tf.keras.layers.Dense(1)
])

json_string = model.to_json()
res = tf.keras.models.model_from_json(json_string)
res.summary()

Результат выполнения кода:

Model: "sequential"
┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━┓
┃ Layer (type)					┃ Output Shape		   ┃	   Param # ┃
┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━┩
│ dense (Dense)				   │ (None, 4)			  │			16 │
├─────────────────────────────────┼────────────────────────┼───────────────┤
│ dense_1 (Dense)				 │ (None, 1)			  │			 5 │
└─────────────────────────────────┴────────────────────────┴───────────────┘
Total params: 21 (84.00 B)
Trainable params: 21 (84.00 B)
Non-trainable params: 0 (0.00 B)

Пример

Давайте восстановим архитектуру модели, обучим ее и проверим работу на данных:

import tensorflow as tf
import numpy as np

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(4, activation='relu', input_shape=(3,)),
	tf.keras.layers.Dense(1)
])
model.compile(optimizer='adam', loss='mse')

json_string = model.to_json()
res = tf.keras.models.model_from_json(json_string)
res.compile(optimizer='adam', loss='mse')

x = np.array([[1, 2, 3], [4, 5, 6]])
y = np.array([[1], [2]])
res.fit(x, y, epochs=1, verbose=0)

print(res.predict(x, verbose=0).shape)

Результат выполнения кода:

(2, 1)

Пример

Давайте сохраним архитектуру модели в файл 'model.json' и восстановим ее из содержимого файла:

import tensorflow as tf
import json

model = tf.keras.Sequential([
	tf.keras.layers.Dense(3, activation='relu', input_shape=(2,)),
	tf.keras.layers.Dense(1)
])

json_string = model.to_json()
with open('model.json', 'w') as f:
	json.dump(json_string, f)

with open('model.json', 'r') as f:
	loaded_json = json.load(f)

res = tf.keras.models.model_from_json(loaded_json)
print(res.input_shape)

Результат выполнения кода:

(None, 2)

Смотрите также

функцию load_model,
которая загружает модель целиком из файла
функцию save_model,
которая сохраняет модель целиком в файл
функцию clone_model,
которая создает копию архитектуры модели
функцию plot_model,
которая строит схему архитектуры модели