使用 model.fit(...)
拟合模型后,您可以将 .evaluate()
或 .predict()
方法与 model
结合使用。
问题出现在我在训练期间使用 Checkpoint 时。
(假设有 30 个检查点,带有 checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(filepath, save_weights_only=True)
)
然后我不太清楚我还剩下什么,这个模型的最后状态。
这是最好的吗?还是最新的?
如果是前者,30个检查点之一应该与我留下的模型相同。
如果是后者,最新的checkpoint应该和我留下的模型一样。
当然,我检查了两种情况,没有一种是对的。
答案 0 :(得分:1)
如果您设置 save_best_only=True,检查点会保存具有“最佳”性能的时代的模型权重。例如,如果您正在监控“val_loss”,那么它将保存具有最低验证损失的时期的模型。如果 save_best_only=False 则模型将在每个时期结束时保存,而不管被监控的指标的值如何。当然,如果模型保存路径不使用特殊格式,那么保存权重将在每个 epoch 结束时被覆盖。