从特定时代继续培训

Question

我用来适应Keras模型的资源管理器将对服务器的访问限制为每天1天.在这一天之后,我需要开始一份新工作.是否可以使用Keras将当前模型保存在纪元K中,然后加载该模型以继续训练纪元K + 1(即,使用新工作)？

Answer 1

您可以通过指定回调来在每个纪元后保存权重:

weight_save_callback = ModelCheckpoint('/path/to/weights.{epoch:02d}-{val_loss:.2f}.hdf5', monitor='val_loss', verbose=0, save_best_only=False, mode='auto')
model.fit(X_train,y_train,batch_size=batch_size,nb_epoch=nb_epoch,callbacks=[weight_save_callback])

这将在每个纪元后保存重量.然后,您可以加载它们:

model = Sequential()
model.add(...)
model.load('path/to/weights.hf5')

当然,在两种情况下,您的模型都必须相同.