Keras如何保存每轮(每个Epoch)训练后的模型?

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?

.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 filepathweights.{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])
  • 15
    点赞
  • 53
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值