Warning: Can save best model only with val_acc available, skipping

最新推荐文章于 2022-12-09 19:12:48 发布
最新推荐文章于 2022-12-09 19:12:48 发布
阅读量1.3w 收藏 39
点赞数 50
分类专栏： 深度学习 文章标签： tensorflow 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43799652/article/details/108152569
版权

最近在用keras训练模型，在保存最优模型的时候出现
Warning: Can save best model only with val_acc available, skipping
检查了一下代码，发现好像没有什么问题
在这里插入图片描述

贴上之前的代码

#要求存储最佳模型
checkpointer = ModelCheckpoint(filepath = path,
                               monitor = 'val_acc',
                               mode = 'max',
                               save_best_only =
最低0.47元/天 解锁文章
MoGu*
关注
  • 50
    点赞
  • 踩
  • 39
    收藏
    觉得还不错? 一键收藏
  • 28
    评论
专栏目录
python的h5py库保存模型 RuntimeError: Unable to create attribute (object header message is too large)
chutongz的博客
09-28 7658
 在用h5py库函数保存模型时抛错，保存不了 Traceback (most recent call last): File "INQ.py", line 258, in <module> verbose=2) File "/home/chutz/anaconda3/lib/python3.5/site-packages/keras/engine/training....
【学习笔记】Keras库下的resnet源码分析
qq_37633082的博客
04-02 1697
Keras库下的resnet源码应用及解读 其实我也不知道这种东西有没有写下来的必要，但是跑代码的时候总摸鱼总归是不好的。虽然很简单，不过我也大概做个学习记录，写给小白看的。源码来自keras文档,大致地讲解如何使用这个代码来训练你自己的模型，以及重点代码讲解分析。 一、Keras安装 前面一篇文章我已经讲了如何从零安装GPU版tensorflow，那么这里安装keras就很简单了，在cmd窗口里...
WARNING:tensorflow:Can save best model only with val_loss available, skipping.
qianjunjie0的博客
12-09 2036
WARNING:tensorflow:Can save best model only with val_loss available, skipping.
记录踩过的坑-Keras
天边一坨浮云
04-18 2048
记录踩过的坑-Keras
学习神经网络tensorflow常见问题笔记
qq_45213223的博客
08-07 4103
pip install tensorflow 警告： WARNING: You are using pip version 20.2.3; however, version 21.1.2 is available. You should consider upgrading via the ‘d:\lenovosoftstore\install\python1\python.exe -m pip install --upgrade pip’ command. easy_install -U pip p
Tensorflow模型的保存与恢复
Irving_zhang的专栏
01-17 4102
最近在写对话生成的代码时，遇到一个问题就是在预测阶段，对于相同的输入，每一次生成的文本都不一样，而且生成的结果乱七八糟。因此定位到是训练好的模型没有restore，特此记录一下TensorFlow中模型的保存与恢复问题，即tf.train.saver函数的使用。 创建Saver 模型保存，先要创建一个Saver对象：如 saver=tf.train.Saver() 在创建这个Sav
浅谈keras使用中val_acc和acc值不同步的思考
09-16
主要介绍了浅谈keras使用中val_acc和acc值不同步的思考，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
解决Keyerror acc KeyError: val_acc问题
12-17
在使用深度学习库Keras进行模型训练时，有时会遇到`KeyError`，特别是与`acc`和`val_acc`相关的错误。这个问题通常出现在尝试访问训练历史记录（`history.history`）时，由于Keras的不同版本对某些度量标准的命名...
解决keras,val_categorical_accuracy:,0.0000e+00问题
09-16
然而，在实践中，我们可能会遇到一些问题，例如在训练过程中遇到`val_categorical_accuracy: 0.0000e+00`的情况。这通常意味着模型在验证集上的分类精度为零，即模型无法正确预测任何验证样本的类别。 问题描述： ...
解决Keyerror ''acc'' KeyError: ''val_acc''问题
09-16
### 解决Keyerror 'acc' KeyError: 'val_acc' 问题 #### 前言 在使用Keras框架进行深度学习项目开发时，可能会遇到`KeyError: 'acc'`或`KeyError: 'val_acc'`这类错误。这类错误通常发生在尝试访问模型训练历史中...
猫狗兔图像分类的深度学习模型设计方法
半濠春水的博客
01-16 1272
1.1 背景介绍 猫狗兔图像分类项目是基于图片分类项目Dogs vs. Cats——猫狗大战的拓展项目，项目要解决的问题实际是一个计算机视觉领域的图像分类问题。图像分类一般的工作模式为给定一张图片，判断其属于某个有限类别集合中的哪一类。这个领域不仅非常有趣，而且具有非常大的应用价值和商业价值。 猫狗兔图像分类项目要求对一个混合了猫、狗、兔的图片数据集进行三分类，项目提供了用于训练、测试的两部分数据，要求使用算法程序在训练集上对已分类的猫、狗、兔的图片进行建模，然后利用建立的模型对测试集上多张打乱顺序的未标.
tensorflow.keras中多输入多输出遇到的几个问题
NOT_GUY的博客
09-23 6593
这里，主要是想构建3个输出，然后计算3个输出的损失函数，并按权重将损失函数加起来作为总的损失 模型构建部分 class MyModel_add3loss(tf.keras.Model): def __init__(self): super(MyModel_add3loss,self).__init__() self.inputa = tf.keras.layers.InputLayer(input_shape=(60, 8, 1)) self.
Alexnet网络预测皮肤结果
qq_41738687的博客
03-11 518
import tensorflow as tf import os import datetime import keras from keras.preprocessing.image import ImageDataGenerator from keras import layers from keras import models from keras import optimizers i...
Keras/Tensorflow训练逻辑研究
gqixf的博客
04-23 1539
Keras是什么，以及相关的基础知识，这里就不做详细介绍，请参考Keras学习站点http://keras-cn.readthedocs.io/en/latest/ Tensorflow作为backend时的训练逻辑梳理，主要是结合项目，研究了下源代码！ 我们的项目是智能问答机器人，基于双向RNN（准确的说是GRU）网络，这里网络结构，就不做介绍，只研究其中的训练逻辑，我们的训练是基于fit_ge...
AI实战：pytorch、 tensorflow 对比之推理时性能、GPU占用对比（一）：DenseNet
Zack的博客
06-21 2021
本文分享推理时性能、GPU占用对比：pytorch 与 tensorflow 上的对比。 DenseNet定义 论文链接：Densely Connected Convolutional Networks 参考：深度/机器学习基础知识要点：CNN、ResNet、DenseNet DenseNet参数 参数情况 flops 对比DensetNet201在pytorch、tensorflow的情况 图片输入尺寸 80 × 80 模型文件大小对比 平台 模型文件大小（单位：M）
CPU与CUDA(GPU)的计算能力对比之二: Keras Resnet 运算效率比较
weixin_45408010的博客
12-15 1569
CPU与CUDA(GPU)的计算能力对比之二: Keras Resnet 运算效率比较 结论： CUDA(GPU : NVIDIA RTX2070 MQ 笔记本版本) 启动后，效率将近是 CPU 单独运行的 17倍左右 : 每个 EPOCH 运行时间平均分别为 370秒， 22秒。 运算环境： GPU: NVIDIA RTX2070 MQ CPU : Intel 9750 i7 六核 2.3Ghz CUDA : 10.1 版本 cuDNN : 7.6.5 Keras : 2.4.
with torch.no_grad(): for val_data in validate_loader: val_images, val_labels = val_data outputs = net(val_images.to(device)) # eval model only have last output layer loss = loss_function(outputs, val_labels.to(device)) val_loss += loss.item() predict_y = torch.max(outputs, dim=1)[1] acc += (predict_y == val_labels.to(device)).sum().item() val_accurate = acc / val_num val_loss = val_loss /val_num if val_accurate > best_acc: best_acc = val_accurate torch.save(net.state_dict(), save_path) print('[epoch %d] train_loss: %.3f test_loss: %.3f test_accuracy: %.3f' % (epoch + 1, running_loss / step, val_loss, val_accurate)) print('Finished Training')
最新发布
06-12
这段代码用于在验证集上评估模型的表现，并保存表现最好的模型。 首先，我们使用with torch.no_grad()语句块来关闭梯度计算，以便在验证过程中不产生梯度。然后，我们遍历验证集中的所有mini-batch，对每个mini-batch进行预测，并计算预测结果和标签数据之间的损失函数值。 接着，我们累加当前mini-batch中的损失函数值到val_loss中，并统计当前mini-batch中正确分类的样本数，并将其累加到acc中，以便后续计算平均准确率。 在验证过程中，我们使用torch.max函数找到模型输出中概率最大的类别，并将其作为预测结果。然后，我们将预测结果和标签数据进行比较，统计正确分类的样本数。 在每个epoch结束后，我们计算当前模型在验证集上的平均准确率val_accurate和平均损失val_loss，并将其输出到屏幕上。如果当前模型在验证集上的表现优于之前的最佳表现，则将当前模型保存到指定的路径save_path中。 最后，我们输出"Finished Training"表示训练过程结束。
评论 28
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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