ModelCheckpoint
类keras.callbacks.ModelCheckpoint(
filepath,
monitor="val_loss",
verbose=0,
save_best_only=False,
save_weights_only=False,
mode="auto",
save_freq="epoch",
initial_value_threshold=None,
)
用于按一定频率保存 Keras 模型或模型权重的回调函数。
ModelCheckpoint
回调函数与使用 model.fit()
的训练过程结合使用,以便按一定间隔保存模型或权重(在检查点文件中),从而可以在以后加载模型或权重以从保存的状态继续训练。
此回调函数提供的几个选项包括:
示例
model.compile(loss=..., optimizer=...,
metrics=['accuracy'])
EPOCHS = 10
checkpoint_filepath = '/tmp/ckpt/checkpoint.model.keras'
model_checkpoint_callback = keras.callbacks.ModelCheckpoint(
filepath=checkpoint_filepath,
monitor='val_accuracy',
mode='max',
save_best_only=True)
# Model is 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 (that are considered the best) can be loaded as -
keras.models.load_model(checkpoint_filepath)
# Alternatively, one could checkpoint just the model weights as -
checkpoint_filepath = '/tmp/ckpt/checkpoint.weights.h5'
model_checkpoint_callback = 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) can be loaded as -
model.load_weights(checkpoint_filepath)
参数
PathLike
对象,保存模型文件的路径。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)。当 save_weights_only=True
时,filepath
名称需要以 ".weights.h5"
结尾;当保存整个模型时(默认),则应以 ".keras"
或 ".h5"
结尾。例如:如果 filepath
是 "{epoch:02d}-{val_loss:.2f}.keras"
或 "{epoch:02d}-{val_loss:.2f}.weights.h5"
,那么模型检查点将以 epoch 编号和验证损失值作为文件名的一部分进行保存。filepath 所在的目录不应被任何其他回调函数重复使用,以避免冲突。Model.compile
方法设置。注意:"val_"
以监控验证指标。"loss"
或 "val_loss"
监控模型的总损失。"accuracy"
,请传递相同的字符串(无论是否带有 "val_"
前缀)。metrics.Metric
对象,monitor
应设置为 metric.name
history = model.fit()
返回的 history.history
字典的内容。save_best_only=True
,则仅在模型被认为是“最佳”时才保存,并且根据监控的指标,最新的最佳模型不会被覆盖。如果 filepath
不包含像 {epoch}
这样的格式选项,那么每次出现新的更好的模型时,filepath
将被覆盖。"auto"
, "min"
, "max"
} 之一。如果 save_best_only=True
,是否覆盖当前保存文件的决定基于对监控指标的最大化或最小化。对于 val_acc
,这应该是 "max"
;对于 val_loss
,这应该是 "min"
,等等。在 "auto"
模式下,如果监控的指标是 "acc"
或以 "fmeasure"
开头,则模式设置为 "max"
;对于其余指标,则设置为 "min"
。True
,则仅保存模型的权重(model.save_weights(filepath)
),否则保存整个模型(model.save(filepath)
)。"epoch"
或整数。使用 "epoch"
时,回调函数在每个 epoch 后保存模型。使用整数时,回调函数在此指定数量的批次结束时保存模型。如果使用 steps_per_execution=N
编译了 Model
,则每隔 N 个批次检查一次保存条件。请注意,如果保存与 epoch 不对齐,监控的指标可能可靠性较低(它可能只反映最少 1 个批次的情况,因为指标在每个 epoch 都会重置)。默认为 "epoch"
。save_best_only=True
时适用。仅当当前模型的性能优于此值时,才覆盖已保存的模型权重。