溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要講解了keras保存最佳訓練模型的方法，內容清晰明了，對此有興趣的小伙伴可以學習一下，相信大家閱讀完之后會有幫助。
1、只保存最佳的訓練模型
2、保存有所有有提升的模型
3、加載模型
4、參數說明
只保存最佳的訓練模型
from keras.callbacks import ModelCheckpoint
filepath='weights.best.hdf5'
# 有一次提升, 則覆蓋一次.
checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1,save_best_only=True,mode='max',period=2) callbacks_list = [checkpoint]
model.compile(loss='categorical_crossentropy', optimizer=optimizers.Adam(lr=2e-6,decay=1e-7),metrics=['acc'])
history1 = model.fit_generator(
train_generator,
steps_per_epoch=100,
epochs=40,
validation_data=validation_generator,
validation_steps=100, callbacks=callbacks_list)輸出的部分結果為：
Epoch 2/40 100/100 [==============================] - 24s 241ms/step - loss: 0.2715 - acc: 0.9380 - val_loss: 0.1635 - val_acc: 0.9600 Epoch 00002: val_acc improved from -inf to 0.96000, saving model to weights.best.hdf5 Epoch 3/40 100/100 [==============================] - 24s 240ms/step - loss: 0.1623 - acc: 0.9575 - val_loss: 0.1116 - val_acc: 0.9730 Epoch 4/40 100/100 [==============================] - 24s 242ms/step - loss: 0.1143 - acc: 0.9730 - val_loss: 0.0799 - val_acc: 0.9840 Epoch 00004: val_acc improved from 0.96000 to 0.98400, saving model to weights.best.hdf5
保存所有有提升的模型
from keras.callbacks import ModelCheckpoint
# checkpoint
filepath = "weights-improvement-{epoch:02d}-{val_acc:.2f}.hdf5"
# 中途訓練效果提升, 則將文件保存, 每提升一次, 保存一次
checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=True,mode='max')
callbacks_list = [checkpoint]
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
history1 = model.fit_generator(
train_generator,
steps_per_epoch=100,
epochs=40,
validation_data=validation_generator,
validation_steps=100, callbacks=callbacks_list)因為我只想要最佳的模型，所以沒有嘗試保存所有有提升的模型，結果是什么樣自己試。。。
加載最佳的模型
# load weights 加載模型權重
model.load_weights('weights.best.hdf5')
#如果想加載模型,則將model.load_weights('weights.best.hdf5')改為
#model.load_model('weights.best.hdf5')
# compile 編譯
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
print('Created model and loaded weights from hdf5 file')
# estimate
scores = model.evaluate(validation_generator, steps=30， verbose=0)
print("{0}: {1:.2f}%".format(model.metrics_names[1], scores[1]*100))
ModelCheckpoint參數說明
keras.callbacks.ModelCheckpoint(filepath,monitor='val_loss',verbose=0,save_best_only=False, save_weights_only=False, mode='auto', period=1)filename：字符串，保存模型的路徑
monitor：需要監視的值
verbose：信息展示模式，0或1(checkpoint的保存信息，類似Epoch 00001: saving model to ...)
（verbose = 0 為不在標準輸出流輸出日志信息；verbose = 1 為輸出進度條記錄；verbose = 2 為每個epoch輸出一行記錄）
save_best_only：當設置為True時，監測值有改進時才會保存當前的模型（ the latest best model according to the quantity monitored will not be overwritten）
mode：‘auto'，‘min'，‘max'之一，在save_best_only=True時決定性能最佳模型的評判準則，例如，當監測值為val_acc時，模式應為max，當監測值為val_loss時，模式應為min。在auto模式下，評價準則由被監測值的名字自動推斷。
save_weights_only：若設置為True，則只保存模型權重，否則將保存整個模型（包括模型結構，配置信息等）
period：CheckPoint之間的間隔的epoch數
看完上述內容，是不是對keras保存最佳訓練模型的方法有進一步的了解，如果還想學習更多內容，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
