TensorFlow.keras中load_model()函数的用法详解

在TensorFlow.keras中，load_model函数用于加载保存的模型。

load_model函数的语法如下：

tf.keras.models.load_model(filepath, custom_objects=None, compile=True)

其中，参数说明如下：

- filepath：要加载的模型文件的路径。它可以是本地文件路径，也可以是远程URL。

- custom_objects：可选参数，用于映射自定义层或损失函数的名称到它们的实现。当加载使用自定义层或损失函数的模型时，需要传递这个参数。

- compile：可选参数，默认为True。如果为True，则加载的模型会被自动编译，以便可以直接使用。如果为False，则加载的模型需要手动编译后才能使用。

下面是一个使用load_model函数加载模型的例子：

import tensorflow as tf
from tensorflow.keras.models import load_model

# 加载模型
model = load_model('./my_model.h5')

# 使用模型进行预测
predictions = model.predict(x_test)

# 打印预测结果
print(predictions)

在这个例子中，我们首先通过load_model函数加载保存在本地的my_model.h5文件。然后，我们使用加载的模型对输入数据x_test进行预测，并将结果打印出来。

注意，在加载模型之前，我们需要确保已经安装了所需的Keras库，可以使用以下命令进行安装：

pip install keras

另外需要注意的是，加载的模型必须是使用Keras的save_model函数保存的。