Question

我有一个CNN代码，该代码可确定图像是否包含暴力，毒品，恐怖或色情内容。我目前处于训练CNN的阶段，并尝试不同的配置以找到CNN的最佳准确性。通过这次培训，我实现了from keras.callbacks import ModelCheckpoint来在培训时利用检查点。我使用这样的回调：

checkpoint = ModelCheckpoint(WEIGHTS_PATH, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
model.fit_generator(training_set,
                    steps_per_epoch=3000,
                    epochs = 10,
                    validation_data = test_set,
                    validation_steps = 300,
                    callbacks = [checkpoint])

因此，每个时代的迭代，具有最高val_acc的时代将被保存到.hdf5文件中。我的问题是，这是一种好习惯吗？还是这是编码CNN的好方法？我的意思是，即使时代没有结束，保存最高val_acc的时代也将是唯一保存的时代，而其他每次使用val_acc更低的迭代都将被忽略。我对CNN有点陌生，所以我想尽可能多地了解自己能够取得良好的CNN。

Answer 1

验证准确性的目的是为了评估模型如何针对看不见的数据进行概括。因此，当您以最佳的验证准确性保存检查点时，会发生的事情是节省权重（通过训练获得的权重），以最有效地预测看不见的数据的结果。因此，通过保存多个检查点，您可以在使用测试数据测试模型时利用这些检查点（可以从实时用例中获取），并选择与您的测试数据相匹配的模型

希望这会有所帮助

使用模型检查点是个好主意吗？

1 个答案: