将类标签附加到Keras模型

Question

我使用Keras Sequential模型来训练多个多类分类器。

在评估中，Keras输出一个置信度向量，我可以从argmax中推断出正确的类ID。然后，我可以使用查找表来接收实际的类标签（例如字符串）。

到目前为止，解决方案是加载训练好的模型，然后单独加载查找表。由于我有相当多的分类器，我宁愿将两个结构都保存在一个文件中。

所以我在寻找的是一种将实际标签查找矢量集成到Keras模型中的方法。这将允许我有一个分类器文件，它能够获取一些输入数据并返回该数据的正确类标签。

解决这个问题的一种方法是将模型和查找表存储在一个元组中，并将该元组写入一个pickle中，但这看起来不太优雅。

Answer 1

所以我尝试了一下我自己的解决方案，这似乎工作。尽管我希望更简单一些。

第二次打开模型文件并不是真的最佳我认为。如果任何人都可以做得更好，无论如何，请做。

import h5py 

from keras.models import load_model 
from keras.models import save_model 


def load_model_ext(filepath, custom_objects=None): 
    model = load_model(filepath, custom_objects=None) 
    f = h5py.File(filepath, mode='r') 
    meta_data = None 
    if 'my_meta_data' in f.attrs: 
     meta_data = f.attrs.get('my_meta_data') 
    f.close() 
    return model, meta_data 


def save_model_ext(model, filepath, overwrite=True, meta_data=None): 
    save_model(model, filepath, overwrite) 
    if meta_data is not None: 
     f = h5py.File(filepath, mode='a') 
     f.attrs['my_meta_data'] = meta_data 
     f.close()