在 Keras 中使用 Adam 优化器恢复训练

Question

我的问题很简单，但我无法在网上找到明确的答案（到目前为止）。

我使用以下方法保存了使用 adam 优化器训练的 keras 模型的权重：

callback = tf.keras.callbacks.ModelCheckpoint(filepath=path, save_weights_only=True)
model.fit(X,y,callbacks=[callback])

当我关闭 jupyter 后恢复训练时，我可以简单地使用：

model.load_weights(path)

继续训练。

由于 Adam 依赖于 epoch 数（例如在学习率衰减的情况下），我想知道在与以前相同的条件下恢复训练的最简单方法。

根据 ibarrond 的回答，我写了一个小的自定义回调。

optim = tf.keras.optimizers.Adam()
model.compile(optimizer=optim, loss='categorical_crossentropy',metrics=['accuracy'])

weight_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, save_weights_only=True, verbose=1, save_best_only=False)

class optim_callback(tf.keras.callbacks.Callback):
    '''Custom callback to save optimiser state'''

          def on_epoch_end(self,epoch,logs=None):
                optim_state = tf.keras.optimizers.Adam.get_config(optim)
                with open(optim_state_pkl,'wb') as f_out:                  
                       pickle.dump(optim_state,f_out)

model.fit(X,y,callbacks=[weight_callback,optim_callback()])

当我恢复训练时：

model.load_weights(checkpoint_path)
with open(optim_state_pkl,'rb') as f_out:                  
                    optim_state = pickle.load(f_out)
tf.keras.optimizers.Adam.from_config(optim_state)

我想检查一下这是否正确。再次感谢！！

附录：在进一步阅读默认值 Keras implementation of Adam and the original Adam paper 后，我认为默认的 Adam 不依赖于纪元数，而仅依赖于迭代数。因此，这是不必要的。但是，该代码对于希望跟踪其他优化器的任何人可能仍然有用。

Answer 1

为了完美地捕获优化器的状态，您应该使用函数 get_config(). This function returns a dictionary (containing the options) that can be serialized and stored in a file using pickle.

存储其配置

要重新启动该过程，只需 d = pickle.load('my_saved_tfconf.txt') 使用配置检索字典，然后使用 Keras Adam Optimizer.

的函数 from_config(d) 生成您的 Adam 优化器

在 Keras 中使用 Adam 优化器恢复训练

Resume training with Adam optimizer in Keras

python

adam

keras

tensorflow