探讨如何在Keras中高效地保存和管理模型权重细节

阅读量：

关于keras保存的模型权重设置那些事儿～

需求
- 程序
- - 程序1
  - 程序2

需求

多个节点在完成keras模型的训练后，需通过聚合操作来提升联邦学习模型的整体性能。
需求1：导入keras模型（h5文件）
需求2：在完成任何形式的加和操作之后，如何将所得数据重新输入至模型中

代码

代码1

复制代码

    def readModel(self, client_path):
    dense_name_list = []
    with h5py.File(client_path, 'r') as f:
        for group in f.keys(): # group：model_weights，一级组名     
            if group != 'optimizer_weights':
                group_read = f[group]  # 根据一级组名获得其下面的组
                for subgroup in group_read.keys():  # subgroup：二级组名 dense_1,dense_2                   
                    # 根

全部评论 (0)

还没有任何评论哟~