Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

केरस (Keras) में संपूर्ण मॉडल सेव करना (SavedModel फॉर्मेट)

पूरा मॉडल सेव करना: SavedModel फॉर्मेट

TensorFlow 2.x में model.save() डिफ़ॉल्ट रूप से SavedModel फॉर्मेट (डायरेक्टरी) में सेव करता है, जिसमें आर्किटेक्चर, वेट्स, ऑप्टिमाइज़र, और कंपाइलेशन जानकारी शामिल होती है।

कोड उदाहरण

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import os

def create_model():
    model = keras.Sequential([
        layers.Dense(64, activation='relu', input_shape=(784,)),
        layers.Dense(10, activation='softmax')
    ])
    model.compile(optimizer='adam',
                  loss='sparse_categorical_crossentropy',
                  metrics=['accuracy'])
    return model

print("नया मॉडल इंस्टेंस बनाया जा रहा है...")
model = create_model()

print("मॉडल प्रशिक्षण डेटा पर फिट किया जा रहा है...")
model.fit(train_images, train_labels, epochs=5, verbose=0)

print("मॉडल सेव किया जा रहा है...")
os.makedirs('saved_model', exist_ok=True)
model.save('saved_model/my_model')

print("सेव की गई फाइलें:")
for root, dirs, files in os.walk('saved_model'):
    for f in files:
        print(f"  {os.path.join(root, f)}")

आउटपुट

नया मॉडल इंस्टेंस बनाया जा रहा है...
मॉडल प्रशिक्षण डेटा पर फिट किया जा रहा है...
मॉडल सेव किया जा रहा है...
सेव की गई फाइलें:
  saved_model/my_model/saved_model.pb
  saved_model/my_model/variables/variables.data-00000-of-00001
  saved_model/my_model/variables/variables.index

सेव प्रक्रिया

  1. create_model() — मॉडल आर्किटेक्चर परिभाषित करें।
  2. compile() — ऑप्टिमाइज़र, लॉस, मेट्रिक्स सेट करें।
  3. fit() — प्रशिक्षण से वेट्स सीखें।
  4. save(path) — पूरा मॉडल निर्यात करें।

क्या सेव होता है?

  • ✅ मॉडल आर्किटेक्चर (लेयर कॉन्फ़िगरेशन)
  • ✅ सभी वेट्स (ट्रेनेबल और नॉन-ट्रेनेबल)
  • ✅ ऑप्टिमाइज़र स्टेट (लर्निंग रेट, मोमेंटम, स्टेप काउंट)
  • ✅ कंपाइलेशन कॉन्फ़िगरेशन (लॉस, मेट्रिक्स)
  • ✅ कस्टम ऑब्जेक्ट्स (यदि पंजीकृत हों)

बाद में उपयोग

# पूर्ण पुनर्स्थापना
restored = tf.keras.models.load_model('saved_model/my_model')
restored.predict(test_data)
restored.fit(more_data, more_labels)  # ऑप्टिमाइज़र स्टेट से जारी
  1. केरस (Keras) में कॉलबैक बनाकर वेट्स सेव करना केरस (Keras) में कॉलबैक बनाकर वेट्स सेव करना

    ModelCheckpoint कॉलबैक बनाना और उपयोग करना प्रशिक्षण के दौरान मॉडल वेट्स को स्वचालित रूप से सेव करने के लिए कॉलबैक कॉन्फ़िगर करें। कोड उदाहरण import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers from tensorflow.keras.callbacks import ModelCheckpoint import os de

  1. Python प्रोग्राम का उपयोग करके Keras से मॉडल कैसे प्लॉट करें? Python प्रोग्राम का उपयोग करके Keras से मॉडल कैसे प्लॉट करें?

    Keras का ग्रीक में अर्थ हॉर्न होता है। Keras को ONEIROS (ओपन-एंडेड न्यूरो-इलेक्ट्रॉनिक इंटेलिजेंट रोबोट ऑपरेटिंग सिस्टम) प्रोजेक्ट के शोध के हिस्से के रूप में विकसित किया गया था। Keras एक डीप लर्निंग API है, जो Python में लिखा गया है। यह एक हाई-लेवल API है जिसमें एक उत्पादक इंटरफ़ेस है जो मशीन लर्नि

  1. Python का उपयोग करके Keras से मॉडल कैसे प्लॉट करें? Python का उपयोग करके Keras से मॉडल कैसे प्लॉट करें?

    Tensorflow Google द्वारा प्रदान किया गया एक मशीन लर्निंग फ्रेमवर्क है। यह एक ओपन-सोर्स फ्रेमवर्क है जिसे Python के साथ संयोजन में एल्गोरिदम, डीप लर्निंग एप्लिकेशन और बहुत कुछ लागू करने के लिए उपयोग किया जाता है। इसका उपयोग शोध और उत्पादन उद्देश्यों के लिए किया जाता है। इसमें ऑप्टिमाइज़ेशन तकनीकें है