训练后模型的最后状态是什么？
What is the last state of the model after training?
使用 model.fit(...) 拟合模型后，您可以使用 .evaluate() 或 .predict() 方法与 model.
训练时使用Checkpoint时出现问题。
（假设有 30 个检查点，checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(filepath, save_weights_only=True)）
然后我不太清楚我还剩下什么，这个模型的最后状态。
这是最好的吗？还是最新的？
如果是前者，30个检查点中的一个应该与我留下的模型相同。
如果是后者，最新的检查点应该和我留下的模型一样。
当然，两种情况我都查过了，没有一个是对的。
如果设置 save_best_only=True，检查点将保存具有“最佳”性能的时期的模型权重。例如，如果您正在监控 'val_loss'，那么它将保存验证损失最低的时期的模型。如果 save_best_only=False 则模型将在每个纪元结束时保存，而不管所监视的指标的值如何。当然，如果您不对模型保存路径使用特殊格式，那么保存权重将在每个 epoch 结束时被覆盖。
使用 model.fit(...) 拟合模型后，您可以使用 .evaluate() 或 .predict() 方法与 model.
训练时使用Checkpoint时出现问题。
（假设有 30 个检查点，checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(filepath, save_weights_only=True)）
然后我不太清楚我还剩下什么，这个模型的最后状态。
这是最好的吗？还是最新的？
如果是前者，30个检查点中的一个应该与我留下的模型相同。
如果是后者，最新的检查点应该和我留下的模型一样。
当然，两种情况我都查过了，没有一个是对的。
如果设置 save_best_only=True，检查点将保存具有“最佳”性能的时期的模型权重。例如，如果您正在监控 'val_loss'，那么它将保存验证损失最低的时期的模型。如果 save_best_only=False 则模型将在每个纪元结束时保存，而不管所监视的指标的值如何。当然，如果您不对模型保存路径使用特殊格式，那么保存权重将在每个 epoch 结束时被覆盖。