在 Keras 中使用 Adam 优化器恢复训练

Question

我的问题很简单，但我在网上找不到明确的答案（到目前为止）。

在定义的训练周期数之后，我使用以下方法保存了使用 adam 优化器训练的 keras 模型的权重：

callback = tf.keras.callbacks.ModelCheckpoint(filepath=path, save_weights_only=True)
model.fit(X,y,callbacks=[callback])

当我关闭 jupyter 后恢复训练时，我可以简单地使用：

model.load_weights(path)

继续训练。

由于 Adam 依赖于 epoch 数（例如在学习率衰减的情况下），我想知道在与以前相同的条件下恢复训练的最简单方法。

按照 ibarrond 的回答，我编写了一个小的自定义回调。

optim = tf.keras.optimizers.Adam()
model.compile(optimizer=optim, loss='categorical_crossentropy',metrics=['accuracy'])

weight_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, save_weights_only=True, verbose=1, save_best_only=False)

class optim_callback(tf.keras.callbacks.Callback):
    '''Custom callback to save optimiser state'''

          def on_epoch_end(self,epoch,logs=None):
                optim_state = tf.keras.optimizers.Adam.get_config(optim)
                with open(optim_state_pkl,'wb') as f_out:                  
                       pickle.dump(optim_state,f_out)

model.fit(X,y,callbacks=[weight_callback,optim_callback()])

当我恢复训练时：

model.load_weights(checkpoint_path)
with open(optim_state_pkl,'rb') as f_out:                  
                    optim_state = pickle.load(f_out)
tf.keras.optimizers.Adam.from_config(optim_state)

我只是想检查一下这是否正确。再次感谢！！

附录：在进一步阅读Adam的默认Keras 实现和原始 Adam 论文时，我认为默认 Adam 不依赖于纪元数，而仅依赖于迭代数。因此，这是不必要的。但是，对于希望跟踪其他优化器的任何人，该代码可能仍然有用。

Answer 1

为了完美地捕获优化器的状态，您应该使用函数存储其配置get_config()。此函数返回一个字典（包含选项），可以使用pickle.

要重新启动该过程，只需d = pickle.load('my_saved_tfconf.txt')使用配置检索字典，然后使用Keras Adam Optimizer的功能生成您from_config(d)的Adam Optimizer。