모델 저장하기

 

1. 파일 위치 설정 

구글 드라이브 버튼 클릭

from google.colab import drive
drive.mount('/content/drive')

 

 

2. 모델 저장하기

model1.save('hanky.keras')
#/content/hanky.keras

 

3-1. 모델 불러오기

from keras.models import load_model
model2 = load_model('hanky.keras')

 

3-2. 이미지 데이터를 클래스별로 정리한 상태

import os
import glob
import shutil

cwd_path = os.getcwd() + '/'
files = glob.glob(cwd_path + 'my_mnist' + '/*')

for file in files:
    label = os.path.basename(file)[0]
    folder_path = os.path.join(cwd_path + 'my_mnist2', label)

    if not os.path.exists(folder_path):
        os.makedirs(folder_path)

    shutil.move(file, os.path.join(folder_path, os.path.basename(file)))
    
    
from keras.utils import image_dataset_from_directory
# idfd_train, idfd_valid = image_dataset_from_directory('/content/drive/MyDrive/my_data/my_mnist2',
#                                                       label_mode='categorical',   # 다중분류
#                                                       color_mode='grayscale',     # 기본값 rgb
#                                                       image_size=(28,28),         # 이미지 크기 변환
#                                                       seed=2024,
#                                                       validation_split=0.2,
#                                                       subset='both'
#                                                       )

idfd_train = image_dataset_from_directory('/content/drive/MyDrive/my_data/my_mnist2',
                                                      label_mode='categorical',
                                                      color_mode='grayscale',
                                                      image_size=(28,28),
                                                      )
                                                      
keras.utils.clear_session()
model = keras.models.load_model('./model1.keras')
model.fit(idfd_train,
        #    validation_data=idfd_valid,
           epochs=1, verbose=1)

 

4. 체크 포인트

cp_path = '/content/{epoch:03d}.keras'  # Keras 2.11 이상 버전에서 모델 확장자 .keras
mcp = ModelCheckpoint(filepath=cp_path,       # 모델 저장 경로
                      monitor='val_loss',              # 모델 저장의 관심 대상
                      verbose=1,                       # 어느 시점에서 저장되는지 알려줌
                      save_best_only=True,             # 최고 성능 모델만 저장
                      save_weights_only=False)         # True : 가중치만 저장| False : 모델 구조 포함하여 저장
                      
# 학습
hist = model1.fit(x_train, y_train, epochs = 50, validation_split=.2, callbacks=[es, mcp]).history