Question

我正在使用tensorflow v2中定义为子模块的keras。我正在使用fit_generator()方法训练我的模型。我想每10个时间保存一次模型。我该如何实现？

在Keras（不是tf的子模块）中，我可以给ModelCheckpoint(model_savepath,period=10)。但是在tf v2中，他们已将其更改为ModelCheckpoint(model_savepath, save_freq)，其中save_freq可以是'epoch'，在这种情况下，每个时代都会保存模型。如果save_freq是整数，则在处理了这么多样本后将保存模型。但我希望在10个时代之后。我该如何实现？

Answer 1

使用tf.keras.callbacks.ModelCheckpoint使用save_freq='epoch'并传递一个额外的参数period=10。

尽管official docs中没有对此进行记录，但这是这样做的方式（请注意，有记录表明您可以通过period，只是不解释其作用）。

Answer 2

明确计算每个时期的批处理数量。

BATCH_SIZE = 20
STEPS_PER_EPOCH = train_labels.size / BATCH_SIZE
SAVE_PERIOD = 10

# Create a callback that saves the model's weights every 10 epochs
cp_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_path, 
    verbose=1, 
    save_weights_only=True,
    save_freq= int(SAVE_PERIOD * STEPS_PER_EPOCH))

# Train the model with the new callback
model.fit(train_images, 
          train_labels,
          batch_size=BATCH_SIZE,
          steps_per_epoch=STEPS_PER_EPOCH,
          epochs=50, 
          callbacks=[cp_callback],
          validation_data=(test_images,test_labels),
          verbose=0)

每10个时间段tensorflow.keras v2保存模型

2 个答案: