在Keras中重置模型的所有權重和偏差（訓練后恢復模型）

Question

假設我有這樣的事情。

model = Sequential()
model.add(LSTM(units = 10 input_shape = (x1, x2)))
model.add(Activation('tanh'))
model.compile(optimizer = 'adam', loss = 'mse')

## Step 1.
model.fit(X_train, Y_train, epochs = 10)

訓練模型后，我想重設模型中的所有內容（權重和偏差）。 所以我想在compile函數后還原模型（步驟1）。 在Keras中最快的方法是什么？

Answer 1

是否最快是一個io.BytesIO ，但是它很簡單，並且可能適合您的情況：序列化初始權重，然后在必要時進行反序列化，並使用類似io.BytesIO來避免磁盤I / O命中（然后必須清理）：

from io import BytesIO

model = Sequential()
model.add(LSTM(units = 10, input_shape = (x1, x2)))
model.add(Activation('tanh'))
model.compile(optimizer = 'adam', loss = 'mse')
f = BytesIO()
model.save_weights(f)  # Stores the weights
model.fit(X_train, Y_train, epochs = 10)
# [Do whatever you want with your trained model here]
model.load_weights(f)  # Resets the weights