ModelCheckpoint

Last updated: 2022-09-01, 17:01

简介

tf.keras.callbacks.ModelCheckpoint(
    filepath,
    monitor='val_loss',
    verbose=0,
    save_best_only=False,
    save_weights_only=False,
    mode='auto',
    save_freq='epoch',
    options=None,
    initial_value_threshold=None,
    **kwargs
)

以指定频率保存 Keras 模型或权重。

ModelCheckpoint callback 通过 () 与训练结合使用，以指定时间间隔保存模型或权重为 checkpoint 文件，以便稍后可以加载模型或权重，从而从保存的状态继续训练。

该 callback 提供了如下选项：

是只保留到目前为止性能最佳的模型，还是不管性能，每个 epoch 结束时都保存模型；
最佳的定义：要监控的指标，以及应该最大化还是最小化；
保存的频率，目前支持在每个 epoch 结束时保存，或指定训练 batches 后保存；
是只保存权重，还是保存整个模型。

[!NOTE]
如果出现 WARNING:tensorflow:Can save best model only with <name> available, skipping 信息，可以参考 monitor 参数说明。

参数

filepath

保存模型文件的路径，string 或 PathLike，例如 filepath = (working_dir, 'ckpt', file_name)。filepath 可以包含命名格式化选项。例如，如果 filepath 为 weights.{epoch:02d}-{val_loss:.2f}.hdf5，则 model checkpoint 文件名包含 epoch 号和 validation loss。filepath 目录不应该被其它 callback 使用，以避免冲突。

monitor

要监控指标的名称。指标一般通过方法设置。注意：

在名称前加 “val_” 前缀以监控 validation 指标；
使用 “loss” 或 “val_loss” 以监控模型的总损失；
如果用字符串指定指标，如 “accuracy”，传入相同的字符串（带或不带 “val_” 前缀）；
如果传入对象，monitor 应该设置为；
如果不确定指标名称，可以检查 history=() 返回的 dict；
多输出模型的指标名称包含额外的前缀。

verbose

详细模式，0 或 1:

0 silent
1 在 callback 执行时显示消息

save_best_only

save_best_only=True 只在模型被认为是目前最好时保存。如果 filepath 不包含格式化选项，例如 {epoch}，则新保存的更好模型将覆盖之前保存的模型。

mode

{‘auto’, ‘min’, ‘max’} 之一。

如果 save_best_only=True，则根据监视指标的最大化或最小化来决定是否覆盖保存文件。对 val_acc 应为 max，对 val_loss 应为 min。在 auto 模式，如果监控的指标为 acc 或以 ‘fmeasure’ 开头，则模式为 max，对余下的则为 min。

save_weights_only

True 表示只保存模型的权重 model.save_weights(filepath)，否则保存整个模型 (filepath)。

save_freq

‘epoch’ 或 integer。当使用 'epoch' 时，callback 在每个 epoch 后保存模型。当使用 integer，则在这些 batch 后保存模型。如果 Model 使用 steps_per_execution=N 选项进行编译，则每 Nth batch 检查保存条件。注意，如果保存和 epoch 没对齐，则监控指标可能不可靠（它可能只反应一个 batch，因为指标在每个 epoch 结束会重置）。默认 ‘epoch’。

options

save_weights_only 为 True 时可选的对象或 save_weights_only 为 False 时可选的 tf.saved_model.SaveOptions 对象。

initial_value_threshold

指标的最佳值（浮点数）。save_best_value=True 时适用。当模型的性能优于该值时才保存模型权重。

示例

model.compile(loss=..., optimizer=..., metrics=["accuracy"])

EPOCHS = 10
checkpoint_filepath = "/tmp/checkpoint"
model_checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_filepath,
    save_weights_only=True,
    monitor="val_accuracy",
    mode="max",
    save_best_only=True,
)

# 如果模型是目前为止最好的模型，则在每个 epoch 后保存模型权重
model.fit(epochs=EPOCHS, callbacks=[model_checkpoint_callback])

# The model weights (that are considered the best) are loaded into the model.
model.load_weights(checkpoint_filepath)

参考

/api_docs/python/tf/keras/callbacks/ModelCheckpoint
/api/callbacks/model_checkpoint/

简介

参数

示例

参考

相关文章