Метод load_weights

Метод load_weights класса Model загружает веса модели из файла, созданного методом save_weights, или из списка массивов NumPy. Первым параметром метод принимает путь к файлу с весами или список массивов. Вторым параметром можно передать флаг by_name, который указывает, загружать ли веса по именам слоев, а не по порядку. Третьим параметром можно передать флаг skip_mismatch, который позволяет пропускать слои с несовпадающей формой весов. Метод возвращает объект модели, что позволяет строить цепочки вызовов.

Синтаксис

model.load_weights(filepath, [by_name], [skip_mismatch])

Пример

Давайте создадим простую модель, сохраним ее веса в файл, а затем загрузим их обратно:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,))
])
model.save_weights('model.weights.h5')

new_model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,))
])
new_model.load_weights('model.weights.h5')

res = new_model.get_weights()
print(res)

Результат выполнения кода:

[array([[ 0.51020974, -0.2746159 ],
	   [ 0.24904633,  0.5070965 ],
	   [-0.31243873,  0.39328647]], dtype=float32), array([0., 0.], dtype=float32)]

Пример

Давайте загрузим веса по именам слоев, используя параметр by_name:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,), name='dense_first')
])
model.save_weights('model.weights.h5')

new_model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,), name='dense_first')
])
new_model.load_weights('model.weights.h5', by_name=True)

res = new_model.get_weights()
print(res)

Результат выполнения кода:

[array([[ 0.51020974, -0.2746159 ],
	   [ 0.24904633,  0.5070965 ],
	   [-0.31243873,  0.39328647]], dtype=float32), array([0., 0.], dtype=float32)]

Пример

Давайте загрузим веса из списка массивов NumPy:

import tensorflow as tf
import numpy as np

tf.random.set_seed(0)

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

weights = [
	np.array([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]]),
	np.array([0.5, 0.5])
]
model.load_weights(weights)

res = model.get_weights()
print(res)

Результат выполнения кода:

[array([[1., 2.],
	   [3., 4.],
	   [5., 6.]], dtype=float32), array([0.5, 0.5], dtype=float32)]

Смотрите также

метод save_weights,
который сохраняет веса модели в файл
метод get_weights,
который возвращает веса модели в виде списка массивов
метод set_weights,
который устанавливает веса модели из списка массивов
метод save,
который сохраняет модель целиком в файл