32.自定义训练保存检查点

我们先搞一个自定义训练

首先导入库

读取数据集后归一化然后创建新的数据集并设置batch

设置优化器与损失函数

设置四个指标

设置损失计算

设置训练与测试步骤

定义整体训练步骤并训练

目录

1  保存检查点

2  使用检查点

---

1  保存检查点

首先我们创建一个文件夹用于保存检查点文件

• 一定要保存到另一个文件夹中，要不后面的调用会有问题

之后我们添加检查点，使用tf.train.Checkpoint()添加检查点对象，参数为优化器与模型

之后使用save()保存检查点，参数为保存路径

我们一共训练5次，使用这个方法我们每一个epoch都可以获得一个检查点

• 我们同样在循环中可以使用model.save()或model.save_weights()
• 上面只有两次是因为我训练两次后就停掉了

2  使用检查点

我们使用tf.train.latest_checkpoint获取目录中最新的检查点，之后使用checkpoint.restore()调用已有的检查点

• 上面两个方法如果在指定文件夹中没有保存点也不会报错

我们在训练前使用模型测试一下，如果没读进来检查点效果是非常不好的，如果读进来效果就还可以

我们使用预测结果与标签比较一下，之后再计算正确率

可以看到我们第一个batch的正确率达到0.875，这样就说明我们的检查点是已经读进来的