ModelCheckpoint参数说明

keras.callbacks.ModelCheckpoint(filepath,monitor=‘val_loss’,verbose=0,save_best_only=False, save_weights_only=False, mode=‘auto’, period=1)

filename：字符串，保存模型的路径

monitor：需要监视的值

verbose：信息展示模式，0或1(checkpoint的保存信息，类似Epoch 00001: saving model to …)

（verbose = 0 为不在标准输出流输出日志信息；
   verbose = 1 为输出进度条记录；
   verbose = 2 为每个epoch输出一行记录）
save_best_only：当设置为True时，监测值有改进时才会保存当前的模型（ the latest best model according to the quantity monitored will not be overwritten）
 
mode：‘auto’，‘min’，‘max’之一，在save_best_only=True时决定性能最佳模型的评判准则，例如，当监测值为val_acc时，模式应为max，当监测值为val_loss时，模式应为min。在auto模式下，评价准则由被监测值的名字自动推断。
 
save_weights_only：若设置为True，则只保存模型权重（文件小），否则将保存整个模型（包括模型结构，配置信息等）
 period：CheckPoint之间的间隔的epoch数
                    ModelCheckpoint参数说明keras.callbacks.ModelCheckpoint(filepath,monitor=‘val_loss’,verbose=0,save_best_only=False, save_weights_only=False, mode=‘auto’, period=1)filename：字符串，保存模型的路径monitor：需要监视的值verbose：信息展示模式，0或1(checkpoint的保存信息，类似Epoch 00001: saving mod
dirpath
ckpt文件保存路径
None(使用Trainer的default_root_dir或weights_save_path，如果Trainer使用了logger，那么path将会包含logger的名字和版本)
filename
ckpt文件名(支持自动填充)
None({epoch}-{step})
monitor
要监视的指标(log()记录的指标)
None(保存最后一次epoch训练的结果)
				
1.共同参数之monitor
keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=0, verbose=0, mode='auto', baseline=None, restore_best_weights=False)
EarlyStopping的作用，是当被监测的量不再提升或下降，则停止训练防止过拟合。...
import tensorflow.keras
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train
				
我们训练完模型之后，一般会需要保存模型或者只保存权重文件。可以利用keras中的回调函数ModelCheckpoint进行保存。
keras.callbacks.ModelCheckpoint(
  filepath,
  monitor='val_loss',
  verbose=0,
  save_best_only=True,
  save_weights_only=F...
				
0x00 前言
目前对于Tensorflow的模型参数文件，我们处理起来没有Pytorch的参数文件那样方便，
并且现在任务中有个需求，要在“某几个参数矩阵中，将特定行的参数复制到某些其他行”。
Pytorch的话就还好，因为毕竟是一群tensor被一个OrderDict包装起来的Python基本数据结构。
同样的事情，在Tensorflow中处理起来会比较麻烦，于是考虑实现这个工具类 CheckpointMonitor 来提高处理效率。
0x01 效果及API
支持从Tensorflow的模型参数文件c
这个函数的作用是计算经sigmoid 函数激活之后的交叉熵。
def sigmoid_cross_entropy_with_logits(_sentinel=None,  labels=None, logits=None,  name=None):
计算公式：
为了描述简洁，我们规定 x = logits（比如一张图），z = targets（分类结果）
z * -log(sigmoid...
				
Dataset数据对象
Dataset可以用来表示输入管道元素集合（张量的嵌套结构）和“逻辑计划“对这些元素的转换操作。在Dataset中元素可以是向量，元组或字典等形式。
另外，Dataset需要配合另外一个类Iterator进行使用，Iterator对象是一个迭代器，可以对Dataset中的元素进行迭代提取。
Dataset方法
2.1  .from_tensor_slices
from_tensor_slices 用于创建dataset,其元素是给定张量的切片的元素。
函数形式：from_tensor