保存下载的数据和训练好的模型
Saving downloaded data as well as trained model
有没有办法将特定代码块的执行保存在笔记本中，这样我就不必再次 运行 了。重新加载后可以继续其余代码吗？
例如，
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
(train_images1, train_labels), (test_images1, test_labels) = datasets.cifar10.load_data()
# Normalize pixel values to be between 0 and 1
train_images, test_images = train_images1 / 255.0, test_images1 / 255.0
#My cnn model, upto the training
#Save upto here.
我可以将执行保存到这里供以后使用吗，其中包括下载的文件和训练模型。
有！您可以使用 numpy.save("train_images.npy", train_images) 保存 NumPy 数据并使用 train_images = numpy.load("train_images.npy") 加载它们。使用笔记本时，只需将 save 和 load 放在两个不同的单元格中，然后将 运行 放在您需要的任何单元格中。
文档：
有许多变体，例如 savez 用于将多个数组保存在未压缩的文件中或 savez_compressed 用于压缩文件。
保存模型：
model_json = model.to_json()
with open("model.json", "w") as json_file:
json_file.write(model_json)
model.save_weights("model.h5")
print("Saved model .......")
加载保存的模型：
json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
loaded_model.load_weights("model.h5")
print("Loaded model...........")
有关更多详细信息，您可以找到我的实现 here。现在这将同时保存 dataset as well as trained model。
有没有办法将特定代码块的执行保存在笔记本中，这样我就不必再次 运行 了。重新加载后可以继续其余代码吗？
例如，
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
(train_images1, train_labels), (test_images1, test_labels) = datasets.cifar10.load_data()
# Normalize pixel values to be between 0 and 1
train_images, test_images = train_images1 / 255.0, test_images1 / 255.0
#My cnn model, upto the training
#Save upto here.
我可以将执行保存到这里供以后使用吗，其中包括下载的文件和训练模型。
有！您可以使用 numpy.save("train_images.npy", train_images) 保存 NumPy 数据并使用 train_images = numpy.load("train_images.npy") 加载它们。使用笔记本时，只需将 save 和 load 放在两个不同的单元格中，然后将 运行 放在您需要的任何单元格中。
文档：
有许多变体，例如 savez 用于将多个数组保存在未压缩的文件中或 savez_compressed 用于压缩文件。
保存模型：
model_json = model.to_json()
with open("model.json", "w") as json_file:
json_file.write(model_json)
model.save_weights("model.h5")
print("Saved model .......")
加载保存的模型：
json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
loaded_model.load_weights("model.h5")
print("Loaded model...........")
有关更多详细信息，您可以找到我的实现 here。现在这将同时保存 dataset as well as trained model。