Question

我正在Keras中训练神经网络，但是当有新数据出现时，我尝试对其进行重新训练，那么，这个时期的损失就和我第一次训练模型的损失一样高。

 checkpoint = ModelCheckpoint('my_model.h5', monitor='loss', verbose=1, save_best_only=True, mode='min')
 callbacks_list = [checkpoint]
 model.fit(X_train,y_train, batch_size = batch_size, epochs = epochs, callback = callbacks_list)
 new_model = load_model('my_model.h5')

如此处的建议Keras: How to save model and continue training?，我试图在model和new_model中预测相同的数据，并使用以下方法测量差异：

assert_allclose(model.predict(x_train),
            new_model.predict(x_train),
            1e-5)

实际上，我遇到了断言错误，甚至使用tol = 1e-2也遇到了错误，因此使我认为我的模型没有按预期加载。任何人都知道为什么会这样吗？

Answer 1

ModelCheckpoint可以节省训练中损失较少的模型重量。

您的model保存了最后一个时期的重量。

如果模型的最后一个时期不是损失较小的时期，则保存的模型（new_model）的权重与原始模型的权重不匹配，并且预测也不相同。< / p>

Keras模型无法正确保存

1 个答案: