Нужно ли мне вызывать функцию model.fit() каждый раз после загрузки модели с помощью Keras? ⇐ Python

[Anonymous]

Я использую Keras для создания модели:

Код: Выделить всё

def my_model():
model = Sequential()
model.add(Conv2D(60, (5,5), input_shape=(32,32,1), activation='relu'))
model.add(Conv2D(60, (5,5), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(30, (3,3), activation='relu'))
model.add(Conv2D(30, (3,3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
#model.add(Dropout(0.5))

model.add(Flatten())
model.add(Dense(500, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
## Compile the model
model.compile(Adam(learning_rate = 0.001), loss = 'categorical_crossentropy', metrics=['accuracy'])
return model

Теперь сохраните модель и обучите ее:

Код: Выделить всё

model = my_model()
print(model.summary())
model.save('my_model.h5')
history = model.fit(X_train, y_train, epochs = 10, validation_data=(X_val, y_val), batch_size = 400, verbose = 1, shuffle = 1)

#### Now predict some image
pred = model.predict(img)
prediction = np.argmax(pred,axis=1)
print("predicted sign: "+ str(prediction))

Функция model.fit() является наиболее ресурсоемкой задачей процессора. На менее мощной платформе обучение занимает много времени. Можно ли сохранить обученную модель и использовать ее только для прогнозирования?
Я знаю, что есть способ загрузить сохраненную модель:

Код: Выделить всё

from tensorflow.keras.models import load_model
model = load_model('my_model.h5')

Однако мне все равно приходится запускать model.fit(), который сильно нагружает процессор. Есть ли способ избежать model.fit(), загрузить модель и использовать ее для прогнозирования?

Подробнее здесь: https://stackoverflow.com/questions/792 ... odel-using