tf.keras.callbacks.ModelCheckpoint

在 GitHub 上查看源代码

以某种频率保存 Keras 模型或模型权重的回调。

继承自： Callback

View aliases

用于迁移的兼容别名

有关详细信息，请参阅 Migration guide 。

tf.compat.v1.keras.callbacks.ModelCheckpoint

tf.keras.callbacks.ModelCheckpoint(
    filepath,
    monitor='val_loss',
    verbose=0,
    save_best_only=False,
    save_weights_only=False,
    mode='auto',
    save_freq='epoch',
    options=None,
    initial_value_threshold=None,
    **kwargs

ModelCheckpoint 回调与使用 model.fit() 的训练结合使用，以在某个时间间隔保存模型或权重（在检查点文件中），因此可以稍后加载模型或权重以从保存的状态继续训练。

此回调提供的一些选项包括：

是否只保留迄今为止达到 "best performance" 的模型，或者是否在每个 epoch 结束时保存模型，而不管性能如何。
“最好”的定义；要监控的数量以及是否应最大化或最小化。
保存的频率。目前，回调支持在每个 epoch 结束时或固定数量的训练批次后保存。
是仅保存权重，还是保存整个模型。

注意：如果您使用的是 WARNING:tensorflow:Can save best model only with <name> available, skipping ，请参阅 monitor 参数的说明，了解如何正确执行此操作的详细信息。

Example:

model.compile(loss=..., optimizer=...,
              metrics=['accuracy'])
EPOCHS = 10
checkpoint_filepath = '/tmp/checkpoint'
model_checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_filepath,
    save_weights_only=True,
    monitor='val_accuracy',
    mode='max',
    save_best_only=True)
# 模型权重在每个 epoch 结束时保存（如果是最好的）
＃ 迄今为止。
model.fit(epochs=EPOCHS, callbacks=[model_checkpoint_callback])
# 模型权重（被认为是最好的）被加载到模型中。
model.load_weights(checkpoint_filepath)
  filepath  string 或  PathLike  ，保存模型文件的路径。例如 filepath = os.path.join(working_dir, 'ckpt', file_name)。 filepath  可以包含命名格式选项，这些选项将填充  epoch  的值和  logs  中的键（在  on_epoch_end  中传递）。例如：如果  filepath  是  weights.{epoch:02d}-{val_loss:.2f}.hdf5  ，则模型检查点将与纪元号和验证损失一起保存在文件名中。文件路径的目录不应被任何其他回调重复使用，以避免冲突。 
  monitor  要监视的指标名称。通常，指标由  Model.compile  方法设置。笔记： 名称前面加上  "val_  " 前缀以监视验证指标。
 使用 "loss" 或 "  val_loss  " 来监控模型的总损耗。
 如果将指标指定为字符串（例如  "accuracy"  ），请传递相同的字符串（带或不带  "val_"  前缀）。
 如果传递  metrics.Metric  对象， monitor  应设置为  metric.name
 如果您不确定指标名称，可以检查  history = model.fit()  返回的  history.history  字典的内容
 多输出模型在指标名称上设置附加前缀。
  verbose  详细模式，0 或 1。模式 0 是静默的，模式 1 在回调执行操作时显示消息。 
  save_best_only  如果是 save_best_only=True ，则仅在型号被认为是 "best" 时保存，并且根据监控数量最新的最佳型号不会被覆盖。如果  filepath  不包含像  {epoch}  这样的格式化选项，那么  filepath  将被每个新的更好型号覆盖。 
  mode  {'自动'、'最小'、'最大'}之一。如果是  save_best_only=True  ，则根据监视数量的最大值或最小值来决定覆盖当前保存文件。对于  val_acc ，这应该是  max ，对于  val_loss ，这应该是  min ，等等。在  auto  模式下，如果监测的量是“acc”或以“fmeasure”开头，则模式设置为  max ，其余的设置为  min 。数量。 
  save_weights_only  如果为 True，则仅保存模型的权重 ( model.save_weights(filepath) )，否则保存完整模型 ( model.save(filepath) )。 
  save_freq   'epoch'  或整数。使用  'epoch'  时，回调会在每个纪元后保存模型。使用整数时，回调会在这么多批次结束时保存模型。如果  Model  是用  steps_per_execution=N  编译的，则每 N 个批次将检查保存标准。请注意，如果保存未与纪元对齐，则受监控的指标可能不太可靠（它可能只反映 1 个批次，因为指标在每个纪元都会重置）。默认为  'epoch'  。 
  options  如果  save_weights_only  是  true ，则可选  tf.train.CheckpointOptions  对象；如果  save_weights_only  为 false，则可选  tf.saved_model.SaveOptions  对象。 
  initial_value_threshold  要监视的指标的浮点初始  "best"  值。仅适用于  save_best_value=True 。仅当当前模型的性能优于该值时才覆盖已保存的模型权重。 
  **kwargs  向后兼容性的附加参数。可能的密钥是 period 。   Methods
 set_model
 View source
 set_model(
    model
 set_params
 View source
 set_params(
    params
    © 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.

https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/keras/callbacks/ModelCheckpoint

tf.keras.callbacks.ModelCheckpoint

View aliases

Example:

Methods

`set_model`

`set_params`