备份和恢复
BackupAndRestore 类
keras.callbacks.BackupAndRestore(
backup_dir, save_freq="epoch", double_checkpoint=False, delete_checkpoint=True
)
用于备份和恢复训练状态的回调。
BackupAndRestore 回调旨在从 Model.fit 执行过程中发生的中断中恢复训练，方法是在每个 epoch 结束时将训练状态备份到一个临时检查点文件中。每次备份都会覆盖之前写入的检查点文件，因此在任何给定时间，最多只有一个这样的检查点文件用于备份/恢复目的。
如果训练在完成前重新启动，则训练状态（包括 Model 权重和 epoch 编号）将在新的 Model.fit 运行开始时恢复到最近保存的状态。在 Model.fit 运行完成后，临时检查点文件将被删除。
请注意，用户负责在中断后恢复作业。此回调对于容错目的的备份和恢复机制非常重要，并且从先前检查点恢复的模型预计与用于备份的模型相同。如果用户更改传递给编译或拟合的参数，则为容错目的保存的检查点可能会失效。
示例
>>> class InterruptingCallback(keras.callbacks.Callback):
... def on_epoch_begin(self, epoch, logs=None):
... if epoch == 4:
... raise RuntimeError('Interrupting!')
>>> callback = keras.callbacks.BackupAndRestore(backup_dir="/tmp/backup")
>>> model = keras.models.Sequential([keras.layers.Dense(10)])
>>> model.compile(keras.optimizers.SGD(), loss='mse')
>>> try:
... model.fit(np.arange(100).reshape(5, 20), np.zeros(5), epochs=10,
... batch_size=1, callbacks=[callback, InterruptingCallback()],
... verbose=0)
... except:
... pass
>>> history = model.fit(np.arange(100).reshape(5, 20), np.zeros(5),
... epochs=10, batch_size=1, callbacks=[callback],
... verbose=0)
>>> # Only 6 more epochs are run, since first training got interrupted at
>>> # zero-indexed epoch 4, second training will continue from 4 to 9.
>>> len(history.history['loss'])
>>> 6
参数
- backup_dir：字符串，存储恢复模型所需数据目录的路径。此目录不能在其他地方重复使用以存储其他文件，例如，由另一个训练运行的
BackupAndRestore回调或同一训练运行的另一个回调（例如ModelCheckpoint）使用。 - save_freq：
"epoch"、整数或False。当设置为"epoch"时，回调会在每个 epoch 结束时保存检查点。当设置为整数时，回调每save_freq个批次保存一次检查点。仅当使用抢占检查点（即save_before_preemption=True）时，才设置save_freq=False。 - double_checkpoint：布尔值。如果启用，
BackupAndRestore回调将保存最后两个训练状态（当前和上一个）。中断后，如果由于 IO 错误（例如文件损坏）无法加载当前状态，则它将尝试恢复上一个状态。这种行为会占用磁盘上两倍的空间，但会提高容错能力。默认为False。 - delete_checkpoint：布尔值。此
BackupAndRestore回调通过保存检查点来备份训练状态。如果delete_checkpoint=True，则训练完成后将删除检查点。如果您想保留检查点以备将来使用，请使用False。默认为True。