有没有办法在tf.keras中的指定时期保存模型？

Question

使用tf.keras.callbacks，我只能通过选择一个属性来监控（通常是验证准确性）来自动保存最佳模型，但有时，我需要根据验证和比较来保存它训练准确率。我该怎么做？

tf.keras.history 文件是否记录模型在每个 epoch 的权重？如果是这样，我如何通过指定我想要的纪元从历史文件中保存我的模型？这是另一种可能的解决方案。

这就是我运行遇到的情况：有时，我的验证准确率在早期阶段非常高（我想这纯属偶然），而我的训练准确率仍远低于它。这个时期最终成为自动保存的模型。这是一个蹩脚的模型，因为它的训练准确率很低，但它是因为它的高验证准确率而被保存下来的模型。如果它保存在训练和验证准确性相交的地方，那将是一个非常好的模型。所以在每个时期，我更愿意比较训练准确率和验证准确率，选择两者中最低的，并据此决定我的最佳模型。关于如何做到这一点有什么建议吗？

Answer 1

在 https://keras.io/callbacks/

检查回调 ModelCheckpoint

您可以保存每个时期的模型并在文件名中包含 accuracy/val 准确度（或之后检查历史对象）。

Answer 2

您可以像这样实现自定义回调：

class CustomModelCheckpoint(tf.keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs=None):
        # logs is a dictionary
        print(f"epoch: {epoch}, train_acc: {logs['acc']}, valid_acc: {logs['val_acc']}")
        if logs['val_acc'] > logs['acc']: # your custom condition
            self.model.save('model.h5', overwrite=True)

cbk = CustomModelCheckpoint()
model.fit(....callbacks=[cbk]...)

有没有办法在tf.keras中的指定时期保存模型？

Is there a way to save a model at a specified epoch in tf.keras?

python

tensorflow

keras

tf.keras