使用Keras中的train_on_batch保存检查点

Question

我正在使用train_on_batch批量培训我的数据，但似乎train_on_batch没有使用回调的选项，这似乎是使用检查点的必要条件。

我无法使用model.fit，因为这似乎要求我将所有数据加载到内存中。

model.fit_generator给了我奇怪的问题（比如挂在一个时代的末尾）。

以下是来自Keras API文档的示例，其中显示了ModelCheckpoint的使用：

from keras.callbacks import ModelCheckpoint

model = Sequential() 
model.add(Dense(10, input_dim=784, kernel_initializer='uniform'))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')

checkpointer = ModelCheckpoint(filepath='/tmp/weights.hdf5', verbose=1, 
                               save_best_only=True)
model.fit(x_train, y_train, batch_size=128, epochs=20, 
          verbose=0, validation_data=(X_test, Y_test), callbacks=[checkpointer])

Answer 1

如果您手动对每个批次进行训练，则可以在任何#epoch（#batch）处执行所需的操作。无需使用回调，只需调用model.save或model.save_weights。