图像分割学习研究记录：训练过程中的信息保存

最新推荐文章于 2024-08-21 23:32:17 发布

k k ~

最新推荐文章于 2024-08-21 23:32:17 发布

阅读量202

点赞数 1

分类专栏：图像分割笔记文章标签：学习 python 机器学习

本文链接：https://blog.csdn.net/weixin_45892725/article/details/138217604

版权

笔记同时被 2 个专栏收录

4 篇文章 0 订阅

订阅专栏

图像分割

1 篇文章 0 订阅

订阅专栏

文章介绍了如何使用Keras库在深度学习模型训练过程中，定期保存模型权重和结构，并记录每个epoch的loss值，以便后续分析和可视化训练过程。

摘要由CSDN通过智能技术生成

import matplotlib.pyplot as plt
from keras.callbacks import ModelCheckpoint

#存每个epoch的模型文件
model_file_path = dir + f'{model_name}_'+'{epoch}.h5'  #模型文件存储路径，其中epoch是记录第几次循环训练的模型文件
checkpoint = ModelCheckpoint(model_file_path, verbose=1, save_weights_only=False,period=10) #save_weights_only为False表示不只不存模型的参数，还保存模型结构。 period表示每几个epoch保存一次模型文件
history = model.fit('图像数据'，'mask图数据', epochs = 100, batch_size= 4, validation_data = ('验证集图像数据', '验证集mask图数据', callbacks = [checkpoint]))

#记录loss曲线信息
loss = history.history['loss']
df_temp = pd.DataFrame(loss, index=range(1,len(loss)+1), columns=['loss'])
df_temp.to_csv('记录loss曲线的数据的文件存储路径')

#绘制loss曲线
plt.plot(loss)
plt.title('Training loss')
plt.xlabel('epoch')
plt.ylabel('loss')
plt.savefig('loss曲线图片保存路径')
plt.show()

输出每个epoch的模型文件

from keras.callbacks import ModelCheckpoint

model_file_path = dir + f'{model_name}_'+'{epoch}.h5'  #模型文件存储路径，其中epoch是记录第几次循环训练的模型文件
checkpoint = ModelCheckpoint(model_file_path, verbose=1, save_weights_only=False,period=10) #save_weights_only为False表示不只不存模型的参数，还保存模型结构。 period表示每几个epoch保存一次模型文件
history = model.fit('图像数据'，'mask图数据', epochs = 100, batch_size= 4, validation_data = ('验证集图像数据', '验证集mask图数据', callbacks = [checkpoint]))

保存loss曲线信息

#history.history属性记录了损失函数和其他指标的数值随epoch变化的情况，如果有验证集的话，也包含了验证集的这些指标变化情况
history = model.fit('图像数据'，'mask图数据', epochs = 100, batch_size= 4, validation_data = ('验证集图像数据', '验证集mask图数据', callbacks = [checkpoint]))
#记录loss曲线信息
loss = history.history['loss']
df_temp = pd.DataFrame(loss, index=range(1,len(loss)+1), columns=['loss'])
df_temp.to_csv('记录loss曲线的数据的文件存储路径')