|
|
相关文章推荐
|
睿智的熊猫 · 怎么分析Mysql中的嵌套子查询问题-Pin ...· 10 月前 · |
|
|
聪明伶俐的李子 · elastic search ...· 1 年前 · |
|
|
有胆有识的香瓜 · 密码，亦可传情 - 知乎· 1 年前 · |
|
|
才高八斗的数据线 · C++ 总是给你惊喜 - 知乎· 1 年前 · |
Keras ModelCheckpoint:保存_freq/周期可以动态变化吗？
问
Keras ModelCheckpoint:保存_freq/周期可以动态变化吗？
EN
EN
Stack Overflow用户
提问于
2021-02-24 16:51:00
回答 1
查看 1K
关注 0
票数 0
我想知道是否有一种方法可以在Keras ModelCheckpoint中更改ModelCheckpoint参数。我想做的是在每一个时代之后储蓄，但在第十个时代之后开始储蓄，而不是以前。所以我希望ModelCheckpoint在前10个时代是“非活动的”，在第10个时代之后，用
save_freq='epoch'
__变成“活动的”。
这样的事情能实现还是不可能？
我尝试了
save_freq=batch_size if epoch<10 else 'epoch'
，但是，正如预期的那样，
epoch
变量是未知的。在ModelCheckpoint中是否有一个“局部变量”用于历代？
UPDATE
：我没有尝试动态更改
save_freq
参数，而是尝试进行两个不同的培训，一个接一个。第一次训练持续10次，在最后(第10次)保存训练模型，第二次训练持续110次，每一阶段后保存模型。
我的问题是:我是否必须在第一次训练之后加载保存的模型，还是可以立即继续进行第二次培训，就像下面的代码所示？
代码语言：
javascript
复制
# [...]
batch_size = 32
epochs0 = 10
epochs = 110
callbacks0 = [
keras.callbacks.ModelCheckpoint(
resuts_dir+'model0/',
monitor='val_loss',
verbose=1,
save_best_only=False,
save_weights_only=False,
save_freq=batch_size*epochs0)
callbacks = [
keras.callbacks.ModelCheckpoint(
resuts_dir+'model/',
monitor='val_loss',
verbose=1,
save_best_only=True,
save_weights_only=False,
save_freq='epoch'),
keras.callbacks.EarlyStopping(
monitor='val_loss',
min_delta=0,
patience=20,
verbose=1,
mode='auto')
# [...]
training_history0 = model.fit(train_gen, epochs=epochs0, validation_data=val_gen, callbacks=callbacks0, verbose=1)
training_history = model.fit(train_gen, epochs=epochs, validation_data=val_gen, callbacks=callbacks, verbose=1)
EN
回答 1
Stack Overflow用户
发布于 2021-04-19 20:35:30
我不太明白你的更新，但要回答“我能在10岁以后才能保存检查点吗？”，答案是肯定的。您可以创建从类
ModelCheckpoint
继承的类并修改类方法
on_epoch_end
，如下所示：
代码语言：
javascript
复制
class CustomCheckpoint(tf.keras.callbacks.ModelCheckpoint):
def __init__(self, filepath, monitor, verbose, save_best_only,
save_weights_only, min_epochs, save_freq):
self.min_epochs = min_epochs
super().__init__(filepath=filepath,
monitor=monitor,
verbose=verbose,
save_best_only=save_best_only,
save_weights_only=save_weights_only
save_freq=save_freq)
def on_epoch_end(self, epoch, logs={}):
if self.save_freq == 'epoch':
if (epoch+1) >= self.min_epochs:
self._save_model(epoch=epoch, logs=logs)然后在model.fit上调用该类的实例：
代码语言：
javascript
复制
MIN_EPOCHS = 10
custom_callback = CustomCheckpoint(filepath="checkpoint_e{epoch:02d}", # this filepath includes the epoch name
min_epochs=MIN_EPOCHS,
monitor='val_loss',