Keras，优化时保存状态的最佳方法

Question

我只是想知道在优化模型时保存模型状态的最佳方法是什么。我想这样做，所以我可以运行它一段时间，保存它，并在一段时间后再回到它。我知道有一个保存权重的函数和另一个将模型保存为JSON的函数。在学习过程中，我需要保存模型的权重和参数。这包括动量和学习率等参数。有没有办法在同一个文件中保存模型和权重。我读到使用泡菜不是一种好习惯。也可以将JEG模型或权重中的graident一般包括在内吗？

Answer 1

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

  

您可以使用model.save（filepath）将Keras模型保存为单个模型   HDF5文件将包含：

     

  
• 模型的架构，允许重新创建模型
  
• 模型的权重
  
• 培训配置（损失，优化程序）
  
• 优化器的状态，允许您从中断的位置恢复训练。
  

     

然后，您可以使用keras.models.load_model（filepath）重新实例化您的模型。 load_model还将使用保存的训练配置来编译模型（除非模型从未编译过。）

Keras常见问题：How can I save a Keras model?

Answer 2

您可以创建包含权重和体系结构的tar存档，以及包含model.optimizer.get_state()返回的优化程序状态的pickle文件。