代码

Question

我有一个Keras模型，并用100个时期训练了该模型。

现在，我在第85个时期损失了0.0085，而在以后的那个时候，我有了0.0092。

我的问题是

Keras中的model.save（）保存什么？
是否保存了经时（即100）获得的权重
还是从最佳纪元（即纪元85）保存权重
还是所有100个时期的平均或平均权重？。

真正的keras model.save（）旨在在完成100个周期后保存权重吗？

感谢提前解释：）。

Answer 1

model.save()保存了整个体系结构，权重和优化器状态。此命令将保存重构模型所需的详细信息。

该命令将保存：

模型的体系结构，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，允许从您上次中断的地方继续进行精确训练。

因此，您可以使用keras.models.load_model(filepath)重用模型来重新实例化模型。 load_model还将负责使用保存的训练配置来编译模型。

查看示例：

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')

来源：https://keras.io/getting-started/faq/#how-can-i-save-a-keras-model

Answer 2

model.save()将保存有关您的NN的许多详细信息。最重要的细节是

网络的体系结构，包括维度（输入/输出层，隐藏层等）。
每一层中每个隐藏单元的权重矩阵和激活函数。以及我们可能无需在此处概述的许多其他细节。

回到问题的第二部分，当我们保存训练好的模型时，它将在最后一个时期之后保存损失值。也就是说，最终值将比之前的时期少或多，具体取决于您指定的时期数以及与overfitting的距离。

根据Keras的创建者Francois Chollet的说法，纪元数没有保存，在大多数情况下没有意义。 see this conversation

这是正确的，除非您激活callback选项，该选项在一定数量的时期（您称之为最佳迭代）之后开启了网络训练的提前停止。参见this

Answer 3

我的问题是，model.save（）保存了什么，“它保存了权重吗？它是从lat epoch（即100）得出的”或“是从最佳纪元（例如，纪元85）“或”所有100的平均或平均权重时代”？

所有答案都保存了什么（权重，优化器状态等），已在其他答案中提及。在您的情况下，将保存100个纪元末尾的模型权重。

如果要保存最好的模型（损失最少），则需要创建一个ModelCheckPoint回调对象，并将其通过{{1 }}参数。

https://keras.io/callbacks/#ModelCheckpoint

https://keras.io/callbacks/#example-model-checkpoints

Answer 4

它可以减轻体重
是
为节省权重以获得最佳纪元，请使用我在下面给出的代码段
否

真正的keras model.save（）旨在在完成100个周期后保存权重吗？是的，的确如此，但是请查看以下代码，以节省仅最佳时期的权重。

使用此代码段可以：

仅保存最佳时期的权重
仅在改善给定条件（val_loss为最小值）时，才在每个纪元后更新权重
此外，每个时期之后的历史记录将保存在.csv文件中。

代码

import pandas as pd
from keras.callbacks import EarlyStopping, ModelCheckpoint

#Stop when val_loss is not decreasing
earlyStopping = EarlyStopping(monitor='val_loss', patience=10, verbose=0, mode='min')

#Save the model after every epoch.
checkpointer = ModelCheckpoint(filepath='Model_1_weights.h5', verbose=1, save_best_only=True)

#history variable will save training progress after each epoch 
history = model.fit(X_train, y_train, batch_size=20, epochs=40, validation_data=(X_valid, y_valid), shuffle=True, callbacks=[checkpointer, earlyStopping])
#Save progress of each epoch in .csv file 
hist_df = pd.DataFrame(history.history) 
hist_csv_file = 'History_Model_1.csv'
with open(hist_csv_file, mode='w') as f:
    hist_df.to_csv(f)

链接：https://keras.io/callbacks/#ModelCheckpoint

model.save（）在Keras中实际保存了什么？

4 个答案:

代码