在每N个时期结束时保存模型权重

Question

我正在训练NN,并希望在预测阶段每N个时期保存模型权重.我提出这个草案代码,它的灵感来自于@grovina 在这里的回应.请你提出建议吗？提前致谢.

from keras.callbacks import Callback

class WeightsSaver(Callback):
    def __init__(self, model, N):
        self.model = model
        self.N = N
        self.epoch = 0

    def on_batch_end(self, epoch, logs={}):
        if self.epoch % self.N == 0:
            name = 'weights%08d.h5' % self.epoch
            self.model.save_weights(name)
        self.epoch += 1

然后将其添加到fit调用:每5个时期保存一次权重:

model.fit(X_train, Y_train, callbacks=[WeightsSaver(model, 5)])

Answer 1

您不应该为回调传递模型.它已经通过它的超级访问模型.所以删除__init__(..., model, ...)参数和self.model = model.self.model无论如何,您应该能够访问当前模型.你也在每个批次结束时保存它,这可能不是你想要的,你可能想要它on_epoch_end.

但无论如何,你正在做的事情可以通过天真的modelcheckpoint回调来完成.您不需要编写自定义的.你可以使用如下;

mc = keras.callbacks.ModelCheckpoint('weights{epoch:08d}.h5', 
                                     save_weights_only=True, period=5)
model.fit(X_train, Y_train, callbacks=[mc])