Question

使用tf.keras.callbacks，我只能通过选择一个要监视的属性来自动保存最佳模型（通常是验证准确性），但有时我需要根据验证和训练准确性的比较来保存它。我该怎么办？

tf.keras.history文件是否在每个时期记录模型的权重？如果是这样，如何通过指定所需的时期从历史文件中保存模型？那是另一种可能的解决方案。

这是我遇到的情况：有时候，我的验证准确性在早期就很高（我想当然是偶然的），而我的训练准确性仍然远远低于它。该时期最终成为自动保存的模型。这是一个糟糕的模型，因为它的训练准确度很差，但是由于验证准确性很高，所以得到了保存。如果将其保存在训练和验证准确性相符的地方，那将是一个很好的模型。因此，在每个时期，我都希望比较训练的准确性和验证的准确性，选择两者中的最低者，并据此确定最佳模型。有关如何执行此操作的任何建议？

Answer 1

您可以像这样实现自定义回调：

class CustomModelCheckpoint(tf.keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs=None):
        # logs is a dictionary
        print(f"epoch: {epoch}, train_acc: {logs['acc']}, valid_acc: {logs['val_acc']}")
        if logs['val_acc'] > logs['acc']: # your custom condition
            self.model.save('model.h5', overwrite=True)

cbk = CustomModelCheckpoint()
model.fit(....callbacks=[cbk]...)

Answer 2

在https://keras.io/callbacks/

检出回调ModelCheckpoint

您可以保存每个时期的模型，并在文件名中包括准确性/ val准确性（或随后检查历史对象）。

有没有一种方法可以将模型保存在tf.keras中的指定纪元？

2 个答案: