在Keras中保存最佳权重和模型

Question

我正在将Keras API与Tensorflow后端一起使用来训练DL模型。我正在使用ModelCheckPoint监视验证准确性，并在有改进的情况下仅存储权重。在此过程中，我最终将模型架构存储为JSON，并为每项改进存储了权重。最后，我加载最佳权重和模型体系结构以对测试数据进行预测。这是我的代码：

    filepath="weights-improvement-{epoch:02d}-{val_acc:.2f}.hdf5"
    checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
    callbacks_list = [checkpoint]
    history = model.fit_generator(train_generator,steps_per_epoch=nb_train_samples // batch_size, epochs=epochs, validation_data=validation_generator, callbacks=callbacks_list, validation_steps=nb_validation_samples // batch_size, verbose=1)
    model_json = model.to_json()
    with open("model.json", "w") as json_file:
        json_file.write(model_json)
    model.save('model_complete.h5')

我还尝试使用“ model.save”保存整个模型，但是，此保存的模型存储的不是最佳权重，而是在最后一个时期学习的权重，这绝对不是我所学习的最佳权重。有没有办法将架构和最佳权重存储到单个模型文件中？

Answer 1

这已经是ModelCheckpoint作为save_weights_only=False的默认行为。如果您查看source，如果您未指定仅保存权重，则它会调用model.save。