model.compile（）是否初始化Keras（tensorflow后端）中的所有权重和偏差？

当我开始训练模型时，以前没有保存任何模型。我可以model.compile()安全使用。我现在将模型保存在h5文件中，以使用进行进一步的培训checkpoint。

说，我想进一步训练模型。我现在很困惑：我可以model.compile()在这里使用吗？并将其放在model = load_model()声明之前还是之后？如果model.compile()重新初始化所有权重和偏差，则应将其放在model = load_model()语句之前。

在发现一些讨论之后，在我看来，model.compile()仅当我之前没有保存任何模型时才需要。保存模型后，无需使用model.compile()。是真的还是假的？当我想使用训练好的模型进行预测时，应该model.compile()在预测之前使用吗？

tensorflow keras

— Preetom Saha Arko
source

Answers:

152

什么时候使用？

如果您正在使用compile，则一定要在之后load_model()。毕竟，您需要一个模型进行编译。（PS：使用load_model与模型一起保存的优化器自动编译模型）

怎么compile办？

编译定义损失函数，优化器和度量。就这样。

它与权重无关，您可以根据需要多次编译模型，而不会对预训练权重造成任何问题。

您需要一个经过编译的模型来进行训练（因为训练使用损失函数和优化器）。但是没有必要为预测而编译模型。

您是否需要多次使用编译？

除非：

再次编译的后果：

如果再次编译模型，则会丢失优化器状态。

这意味着您的训练在开始时会受到一点影响，直到它调整学习速度，动量等为止。但是绝对不会对重量造成损害（除非您的初始学习速度如此之大，以至于第一次训练步骤会疯狂地更改微调的权重）。

— 丹尼尔·莫勒
source

即使您最初使用include_optimizer = True保存模型时，重新编译后使用use也会丢失所有优化器状态吗？

— kawingkelvin

您需要使用相同的优化器进行重新编译...但是我不确定是否有可能。

— 丹尼尔·莫勒（DanielMöller），

@DanielMöller：它会影响model.outputs编译后和编译前两者的区别吗？另外，如果您可以解释compile=Falseinload_model(model, compile=False/True)参数的用法，那将是很好的。

— aspiring1'1

没有什么改变。编译就是将“优化器”和“损失”功能设置为“训练”，仅此而已。如果要加载模型并且不进行训练，则无需编译。1- compile=True：将使用与保存的相同设置加载和编译模型。2- compile=False，您将仅加载没有优化器的模型。

— DanielMöller19年

谢谢你让我想起trainable。但是设置权重根本没有问题。

— 丹尼尔·莫勒（DanielMöller）

别忘了，在更改trainable图层的标志后，例如，当您想要微调模型时，还需要编译模型：

— 今天
source

更改图层的可训练标记后不编译模型会有什么结果？

— Kake_Fisk

@Kake_Fisk更改将无效，即，该层的可培训性状态将保持与上次compile方法调用之前相同。

— 今天