ModelCheckpoint

[源代码]

ModelCheckpoint 类

tf_keras.callbacks.ModelCheckpoint(
    filepath,
    monitor: str = "val_loss",
    verbose: int = 0,
    save_best_only: bool = False,
    save_weights_only: bool = False,
    mode: str = "auto",
    save_freq="epoch",
    options=None,
    initial_value_threshold=None,
    **kwargs
)

在一定频率下保存TF-Keras模型或模型权重的回调。

ModelCheckpoint 回调用于与model.fit() 训练结合使用，以便在特定间隔保存模型或权重（在检查点文件中），这样就可以稍后加载模型或权重，以从保存的状态继续训练。

此回调提供了一些选项，包括：

• 是否只保留迄今为止取得“最佳性能”的模型，或者无论性能如何，都在每个 epoch 结束时保存模型。
• “最佳”的定义；要监控哪个量，以及是应该最大化还是最小化它。
• 它应该保存的频率。目前，回调支持在每个 epoch 结束时保存，或在固定数量的训练批次后保存。
• 是只保存权重，还是保存整个模型。

注意：如果您看到 WARNING:tensorflow:Can save best model only with <name> available, skipping，请参阅 monitor 参数的描述以了解如何正确设置。

示例

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)

# Model weights are saved at the end of every epoch, if it's the best seen
# so far.
model.fit(epochs=EPOCHS, callbacks=[model_checkpoint_callback])

# The model weights (that are considered the best) are loaded into the
# model.
model.load_weights(checkpoint_filepath)

参数

• 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，这些选项将由 epoch 的值和 logs 中的键（在 on_epoch_end 中传递）填充。例如：如果 filepath 是 weights.{epoch:02d}-{val_loss:.2f}.hdf5，那么模型检查点将以 epoch 编号和验证损失保存在文件名中。filepath 的目录不应被任何其他回调重用，以避免冲突。

• monitor: 要监控的指标名称。通常指标由 Model.compile 方法设置。注意：

  • 在名称前加上 "val_" 以监控验证指标。
  • 使用 "loss" 或 "val_loss" 来监控模型的总损失。
  • 如果以字符串形式指定指标，例如 "accuracy"，请传递相同的字符串（带或不带 "val_" 前缀）。
  • 如果您传递 metrics.Metric 对象，则 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。
  • 多输出模型会在指标名称上设置额外的​​前缀。
  • __ verbose__: 详细程度模式，0 或 1。模式 0 为静默模式，模式 1 在回调执行操作时显示消息。
  • save_best_only: 如果 save_best_only=True，则仅在模型被认为是“最佳”时保存，并且根据监控的量，最新的最佳模型不会被覆盖。如果 filepath 不包含 {epoch} 等格式选项，则 filepath 将被每个新的更好模型覆盖。
  • mode: {'auto', 'min', 'max'} 中的一个。如果 save_best_only=True，则决定是否覆盖当前保存文件是基于被监控数量的最大化或最小化。对于 val_acc，这应该是 max；对于 val_loss，这应该是 min，依此类推。在 auto 模式下，如果监控的数量是 'acc' 或以 'fmeasure' 开头，则模式设置为 max，对于其他数量则设置为 min。
  • save_weights_only: 如果为 True，则只保存模型的权重（model.save_weights(filepath)），否则保存整个模型（model.save(filepath)）。
  • save_freq: 'epoch' 或 integer。当使用 'epoch' 时，回调会在每个 epoch 后保存模型。当使用 integer 时，回调会在这个数量的批次后保存模型。如果 Model 使用 steps_per_execution=N 编译，那么将在每 N 个批次检查一次保存条件。请注意，如果保存与 epoch 对齐，则监控的指标可能会不太可靠（它可能只反映 1 个批次，因为指标在每个 epoch 都会重置）。默认为 'epoch'。
  • options: 可选的 tf.train.CheckpointOptions 对象（如果 save_weights_only 为 true）或可选的 tf.saved_model.SaveOptions 对象（如果 save_weights_only 为 false）。
  • initial_value_threshold: 要监控的指标的浮点型初始“最佳”值。仅当 save_best_value=True 时适用。只有当当前模型的性能优于此值时，才会覆盖已保存的模型权重。
  • **kwargs: 向后兼容的其他参数。可能的键是 period。