是否有可能从特定时期继续训练？

Question

我用来适应 Keras 模型的资源管理器将对服务器的访问限制为一次 1 天。这一天之后，我需要开始一份新工作。 Keras 是否可以在 epoch K 保存当前模型，然后加载该模型以继续训练 epoch K+1（即，使用新作业）？

Answer 1

您可以通过指定回调在每个纪元后保存权重：

weight_save_callback = ModelCheckpoint('/path/to/weights.{epoch:02d}-{val_loss:.2f}.hdf5', monitor='val_loss', verbose=0, save_best_only=False, mode='auto')
model.fit(X_train,y_train,batch_size=batch_size,nb_epoch=nb_epoch,callbacks=[weight_save_callback])

这将在每个纪元后保存权重。然后你可以加载它们：

model = Sequential()
model.add(...)
model.load('path/to/weights.hf5')

当然，您的模型在两种情况下都需要相同。

Answer 2

您可以添加 initial_epoch 参数。这将允许您从特定时期继续训练。

Answer 3

您可以在下一个纪元自动开始训练..！

您需要使用 训练日志文件 跟踪您的训练，如下所示：

from keras.callbacks       import ModelCheckpoint, CSVLogger

if len(sys.argv)==1:
    model=...                           # you start training normally, no command line arguments
    model.compile(...)
    i_epoch=-1                          # you need this to start at epoch 0
    app=False                           # you want to start logging from scratch
else:
    from keras.models import load_model 
    model=load_model(sys.argv[1])       # you give the saved model as input file
    with open(csvloggerfile) as f:      # you use your training log to get the right epoch number
         i_epoch=list(f)
         i_epoch=int(i_epoch[-2][:i_epoch[-2].find(',')])
    app=True                            # you want to append to the log file

checkpointer = ModelCheckpoint(savemodel...)
csv_logger = CSVLogger(csvloggerfile, append=app)

model.fit(X, Y, initial_epoch=i_epoch+1, callbacks=[checkpointer,csv_logger])

这就是所有的人！

是否有可能从特定时期继续训练？

Is it possible to continue training from a specific epoch?

keras

您可以在下一个纪元自动开始训练..！