在Keras中，我们使用ModelCheckpoint保存我们训练有素的模型。在Keras的文档中，它解释了“监控器：要监控的数量。”，但我仍然不明白。监控器在我们的机器学习过程中有什么作用？
keras.callbacks.callbacks.ModelCheckpoint(filepath, monitor='val_loss', verbose=0, save_best_only=False, save_weights_only=False, mode='auto', period=1)
答案 0 :(得分：1)
从keras文档中，我正在解释ModelCheckpoint的参数。它是用来在训练时保存最佳模型的，原因可能是在训练了几次之后，模型可能开始发散或显示不良的性能/可能变得过拟合。很多时代并不总是意味着最佳表现，因此最好在训练时不断减轻体重。
save_best_only：如果save_best_only = True，则根据覆盖数量的最新最佳模型将不会被覆盖。在这里，它明确表示，将基于数量值保存模型。被监视。
模式：{自动，最小，最大}之一。如果save_best_only = True，则基于监视数量的最大化或最小化来决定覆盖当前保存文件。对于val_acc，它应该是最大值，对于val_loss，它应该是最小值，依此类推。在自动模式下，将根据监视数量的名称自动推断出方向。 该模式将根据您的监控指标确定，如果丢失，则该模式必须为最小；如果该模式为准确性，f1得分等，则该模式必须为最大。 （您想要保存迄今为止损失最少，精度最高的砝码）
详细：详细模式，0或1。详细决定要打印多少有关度量的信息（0表示不打印任何内容，1表示将打印一些信息）
其他参数应该很容易理解。