首先给出Keras中文官方文档:
首先明确:保留模型需要使用Keras中的回调函数中的ModelCheckpoint
怎么使用?
在 .fit( ):
fit(x=None, y=None, batch_size=None,
epochs=1, verbose=1, callbacks=None,
validation_split=0.0, validation_data=None,
shuffle=True, class_weight=None,
sample_weight=None, initial_epoch=0,
steps_per_epoch=None, validation_steps=None)
或者 .fit_generator():
fit_generator(generator, steps_per_epoch=None,
epochs=1, verbose=1, callbacks=None,
validation_data=None, validation_steps=None,
class_weight=None, max_queue_size=10,
workers=1,use_multiprocessing=False,
shuffle=True, initial_epoch=0)
中的 callbacks中传入ModelCheckpoint
至于其中每个参数代表什么请参阅文档。
ModelCheckpoint
keras.callbacks.ModelCheckpoint(filepath, monitor='val_loss', verbose=0,
save_best_only=False,
save_weights_only=False, mode='auto',
period=1)
用于在每个训练之后保存模型。
filepath
可以包括命名格式选项,可以由 epoch
的值和 logs
的键(由 on_epoch_end
参数传递)来填充。
例如:如果 filepath
是 weights.{epoch:02d}-{val_loss:.2f}.hdf5
,.hdf5是保存下载的模型文件, 那么模型被保存的的文件名就会有训练轮数和验证损失。
=========================================================
参数
filepath
: 字符串,保存模型的路径。
monitor
: 被监测的数据。
verbose
: 详细信息模式,0 或者 1 。
save_best_only
: 如果 save_best_only=True, 被监测数据的最佳模型就不会被覆盖。
mode
: {auto, min, max}
的其中之一。 如果 save_best_only=True
,那么是否覆盖保存文件的决定就取决于被监测数据的最大或者最小值。 对于 val_acc
,模式就会是 max
,而对于 val_loss
,模式就需要是 min
,等等。 在 auto
模式中,方向会自动从被监测的数据的名字中判断出来。
save_weights_only
: 如果 True
,那么只有模型的权重会被保存 (model.save_weights(filepath))
, 否则的话,整个模型会被保存 (model.save(filepath))
。
period
: 每个检查点之间的间隔(训练轮数)。
应用举例
checkpointer = ModelCheckpoint(os.path.join(save_dir, 'model_{epoch:03d}.hdf5'),
verbose=1, save_weights_only=False, period=XXX)
history = model.fit_generator(datagenerator(batch_size=xxx),
steps_per_epoch=xxx, epochs=xxx, verbose=1,
initial_epoch=initial_epoch,
callbacks=[checkpointer])