keras ModelCheckpoint

#创建一个权重文件保存文件夹logs
#记录所有训练过程，每隔一定步数记录最大值
tensorboard = TensorBoard(log_dir='"logs/"')
checkpoint = ModelCheckpoint(log_dir + "best_weights.h5",
                                 monitor="val_loss",
                                 mode='min',                               
                                 save_best_only=True, 
                                 verbose=1,
                                 period=1)
 
callback_lists=[tensorboard,checkpoint]
 
print("training network...")
H = model.fit(trainX, trainY, validation_data=(testX, testY),
              batch_size=64, epochs=40, callbacks=callback_lists, verbose=2)

 

filename：字符串，保存模型的路径，就是你准备存放最好模型的地方

monitor：需要监视的值，比如val_acc、acc、loss、 val_loss 

verbose：信息展示模式，0或1 ，如果你喜欢进度条,那就选1；如果喜欢清爽的就选0，verbose=冗余的

save_best_only：当设置为True时，将只保存在验证集上性能最好的模型

mode：‘auto’，‘min’，‘max’之一，在save_best_only=True时决定性能最佳模型的评判准则， 例如，当监测值为val_acc时，模式应为max， 当检测值为val_loss时，模式应为min。在auto模式下，评价准则由被监测值的名字自动推断。

save_weights_only：若设置为True，则只保存模型权重，否则将保存整个模型（包括模型结构，配置信息等）

period：CheckPoint之间的间隔的epoch数