Question

专家，我是机器学习的新手，并结合使用Keras API和TensorFlow后端来训练机器学习模型。我正在使用Model-checkpoint分别将最佳权重和最佳模型保存在.json和.h5文件中。到目前为止，我尝试编写如下代码，但我没有保存任何模型或权重。希望我能得到好的解决方案。谢谢。

    filepath1="best_weights.h5"
    filepath2="best_model.json"
    checkpoint = ModelCheckpoint(filepath1, monitor='val_acc', verbose=1, save_best_only=True,  mode='max')
    callbacks_list = [checkpoint]
    history = model.fit_generator(train_generator,steps_per_epoch=nb_train_samples // batch_size, epochs=epochs, validation_data=validation_generator, callbacks=callbacks_list, validation_steps=nb_validation_samples // batch_size, verbose=1)

Answer 1

解决方案1（在培训结束时）：

在培训结束时，您可以尝试使用以下代码段分别保存权重和模型架构。

from tensorflow.keras.models import model_from_json
model_json = model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)
model.save_weights("model.h5")

解决方案2（在培训期间）：

我们可以观察到模型结构在训练过程中不会改变，只会改变权重。因此，您可以使用此检查点在训练过程中仅保存最佳权重，并且在训练开始/结束时仅保存model_from_json。

checkpoint = ModelCheckpoint(filepath1, monitor='val_acc', verbose=1,save_best_only=True, save_weights_only=True, mode='max')

....training runs.....
......................
....training ends.....

from tensorflow.keras.models import model_from_json
model_json = model.to_json()
with open("model.json", "w") as json_file:
    json_file.write(model_json)

如果没有保存任何内容，请确保您具有正确的filepath1。

如何使用keras节省最佳权重和最佳模型

1 个答案: