溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點(diǎn)擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

keras保存最佳訓(xùn)練模型的方法

發(fā)布時(shí)間：2020-07-22 11:36:00 來源：億速云 閱讀：440 作者：小豬 欄目：開發(fā)技術(shù)

這篇文章主要講解了keras保存最佳訓(xùn)練模型的方法，內(nèi)容清晰明了，對此有興趣的小伙伴可以學(xué)習(xí)一下，相信大家閱讀完之后會有幫助。

1、只保存最佳的訓(xùn)練模型

2、保存有所有有提升的模型

3、加載模型

4、參數(shù)說明

只保存最佳的訓(xùn)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(jié)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(xùn)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?yàn)槲抑幌胍罴训哪Ｐ?，所以沒有嘗試保存所有有提升的模型，結(jié)果是什么樣自己試。。。

加載最佳的模型

# load weights 加載模型權(quán)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(shù)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(jiān)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(biāo)準(zhǔn)輸出流輸出日志信息；verbose = 1 為輸出進(jìn)度條記錄；verbose = 2 為每個(gè)epoch輸出一行記錄）

save_best_only：當(dāng)設(shè)置為True時(shí)，監(jiān)測值有改進(jìn)時(shí)才會保存當(dāng)前的模型（ the latest best model according to the quantity monitored will not be overwritten）

mode：‘a(chǎn)uto'，‘min'，‘max'之一，在save_best_only=True時(shí)決定性能最佳模型的評判準(zhǔn)則，例如，當(dāng)監(jiān)測值為val_acc時(shí)，模式應(yīng)為max，當(dāng)監(jiān)測值為val_loss時(shí)，模式應(yīng)為min。在auto模式下，評價(jià)準(zhǔn)則由被監(jiān)測值的名字自動(dòng)推斷。

save_weights_only：若設(shè)置為True，則只保存模型權(quán)重，否則將保存整個(gè)模型（包括模型結(jié)構(gòu)，配置信息等）

period：CheckPoint之間的間隔的epoch數(shù)

看完上述內(nèi)容，是不是對keras保存最佳訓(xùn)練模型的方法有進(jìn)一步的了解，如果還想學(xué)習(xí)更多內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道。

向AI問一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手