import numpy as np
import tensorflow as tf
from tensorflow.keras.datasets import fashion_mnist
# 데이터 불러오기
(X_train, y_train), (X_test, y_test) = fashion_mnist.load_data()
sklearn과 저장방식의 차이점
sklearn => joblib .pkl
tensorflow => save .h5
def 생성하기
def build_model():
model = Sequential()
model.add( Flatten() )
model.add( Dense(128, 'relu') )
model.add( Dense(10, 'softmax'))
model.compile('adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
return model
저장하기
-모델을 폴더로 저장하기
model.save('my_model')
-모델을 파일로 저장하기
model.save('my_model.h5')
불러오기
-모델을 폴더로 불러오기
my_model = tf.keras.models.load_model('my_model')
-모델을 파일로 불러오기
my_model = tf.keras.models.load_model('my_model.h5')
'ML (MachineLearning)' 카테고리의 다른 글
데이터 제너레이터를 통해 이미지를 증강하고 Transfer Learning하기 (0) | 2024.04.22 |
---|---|
딥러닝 : CNN(합성곱 신경망, Convolutional Neural Network), 컬러사진 식별하기 (0) | 2024.04.18 |
흑백 이미지 데이터셋을 AI에게 판별시켜, 카테고리의 정답을 맞추는 머신러닝 기법 (0) | 2024.04.18 |
GridSearch 를 이용한 최적의 하이퍼 파라미터 찾기 (0) | 2024.04.17 |
딥러닝 : Neural Networks 으로 Classification(분류) 하기 (2) | 2024.04.16 |