python - 有没有办法在 tf.keras 中的指定时期保存模型？

Question

使用 tf.keras.callbacks，我只能通过选择一个要监控的属性（通常是验证准确度）来自动保存最佳模型，但有时，我需要根据验证和训练准确度的比较来保存它。我怎样才能做到这一点？

tf.keras.history 文件是否记录了模型在每个时期的权重？如果是这样，我如何通过指定我想要的时代来从历史文件中保存我的模型？那是另一种可能的解决方案。

这就是我遇到的情况：有时，我的验证准确度在早期阶段非常高（我想这纯粹是偶然），而我的训练准确度仍然远低于它。这个时期最终成为自动保存的模型。这是一个糟糕的模型，因为它的训练准确度很差，但它是因为它的高验证准确度而被保存下来的。如果它保存在训练和验证准确性相遇的地方，那将是一个非常好的模型。因此，在每个时期，我更愿意比较训练准确度和验证准确度，选择两者中最低的一个，并据此决定我的最佳模型。关于如何做到这一点的任何建议？

Answer 1

您可以像这样实现自定义回调：

class CustomModelCheckpoint(tf.keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs=None):
        # logs is a dictionary
        print(f"epoch: {epoch}, train_acc: {logs['acc']}, valid_acc: {logs['val_acc']}")
        if logs['val_acc'] > logs['acc']: # your custom condition
            self.model.save('model.h5', overwrite=True)

cbk = CustomModelCheckpoint()
model.fit(....callbacks=[cbk]...)

Answer 2

在https://keras.io/callbacks/检查回调 ModelCheckpoint

您可以保存每个 epoch 的模型，并在文件名中包含准确度/val 准确度（或之后检查历史对象）。