Keras 回调不断跳过保存检查点，声称缺少 val_acc

Question

我会运行一些更大的模型并想尝试中间结果。

因此，我尝试使用检查点来保存每个 epoch 之后的最佳模型。

这是我的代码：

model = Sequential()
model.add(LSTM(700, input_shape=(X_modified.shape[1], X_modified.shape[2]), return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(700, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(700))
model.add(Dropout(0.2))
model.add(Dense(Y_modified.shape[1], activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# Save the checkpoint in the /output folder
filepath = "output/text-gen-best.hdf5"

# Keep only a single checkpoint, the best over test accuracy.
checkpoint = ModelCheckpoint(filepath,
                            monitor='val_acc',
                            verbose=1,
                            save_best_only=True,
                            mode='max')
model.fit(X_modified, Y_modified, epochs=100, batch_size=50, callbacks=[checkpoint])

但是我在第一个时期后仍然收到警告：

/usr/local/lib/python3.6/site-packages/keras/callbacks.py:432: RuntimeWarning: Can save best model only with val_acc available, skipping.
  'skipping.' % (self.monitor), RuntimeWarning)

将metrics=['accuracy']添加到模型中是其他SO问题（例如Unable to save weights while using pre-trained VGG16 model）的解决方案，但这里仍然存在错误。

Answer 1

缺少它，不是因为缺少指标，而是因为您没有验证数据。通过validation_data参数添加一些到fit，或者使用validation_split.

Answer 2

您正在尝试使用以下代码检查模型

# Save the checkpoint in the /output folder
filepath = "output/text-gen-best.hdf5"

# Keep only a single checkpoint, the best over test accuracy.
checkpoint = ModelCheckpoint(filepath,
                            monitor='val_acc',
                            verbose=1,
                            save_best_only=True,
                            mode='max')

ModelCheckpoint 将考虑参数 monitor 来决定是否保存模型。在您的代码中它是 val_acc。因此，如果 val_acc.

增加，它将节省权重

现在在你的健身代码中，

model.fit(X_modified, Y_modified, epochs=100, batch_size=50, callbacks=[checkpoint])

您还没有提供任何验证数据。 ModelCheckpoint 无法保存权重，因为它没有要检查的 monitor 参数。

为了根据 val_acc 进行检查点，您必须像这样提供一些验证数据。

model.fit(X_modified, Y_modified, validation_data=(X_valid, y_valid), epochs=100, batch_size=50, callbacks=[checkpoint])

如果您出于某种原因不想使用验证数据并实施检查点，则必须更改 ModelCheckpoint 以基于 acc 或 loss 工作像这样

# Save the checkpoint in the /output folder
filepath = "output/text-gen-best.hdf5"

# Keep only a single checkpoint, the best over test accuracy.
checkpoint = ModelCheckpoint(filepath,
                            monitor='acc',
                            verbose=1,
                            save_best_only=True,
                            mode='max')

请记住，如果您要 monitor loss

，则必须将 mode 更改为 min

Answer 3

我遇到了同样的问题，只需将 'val_acc' 编辑为 'val_accuracy'

Answer 4

您只需将 monitor='val_acc' 更改为 -> monitor='val_accuracy'

因为您的指标是 metrics=['accuracy']

Keras 回调不断跳过保存检查点，声称缺少 val_acc

Keras callbacks keep skip saving checkpoints, claiming val_acc is missing

python-3.x

keras

checkpointing