在特定时期保存Keras模型

Question

我正在使用Keras对我的数据集进行一些培训，并且每次都要不断运行以找到获得最佳结果所需的时期数是很费时间的。我尝试使用回调来获得最佳模型，但它无法正常工作，通常停止得太早。另外，保存每N个时期对我来说不是一个选择。

我想要做的是在完成某些特定的时期后保存模型。举例来说，结束后epoch = 150，它将另存为model.save(model_1.h5)，之后epoch = 152，将另存为，model.save(model_2.h5)等等。

有办法在Keras中实现这一点吗？我已经在寻找一种方法，但到目前为止还没有运气。

感谢您的帮助/建议。

Answer 1

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

你试过检查点吗？period=5表示模型在 5 个 epoch 后保存

更多细节在这里

希望这有帮助:)

Answer 2

您可以使用回调，例如

import keras

class CustomSaver(keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs={}):
        if epoch == 2:  # or save after some epoch, each k-th epoch etc.
            self.model.save("model_{}.hd5".format(epoch))

on_epoch_end在每个时代结束时被调用；epoch是一个纪元，后一个参数是一个日志（您可以在docs中了解其他回调方法）。将逻辑放入此方法中（例如，它尽可能简单）。

创建保护对象并将其放入fit方法中：

import keras
import numpy as np

inp = keras.layers.Input(shape=(10,))
dense = keras.layers.Dense(10, activation='relu')(inp)
out = keras.layers.Dense(1, activation='sigmoid')(dense)
model = keras.models.Model(inp, out)
model.compile(optimizer="adam", loss="binary_crossentropy",)

# Just a noise data for fast working example
X = np.random.normal(0, 1, (1000, 10))
y = np.random.randint(0, 2, 1000)

# create and use callback:
saver = CustomSaver()
model.fit(X, y, callbacks=[saver], epochs=5)

在bash：

!ls
Out:
model_2.hd5                     

因此，它有效。