keras 如何保存最佳的訓(xùn)練模型

更新時(shí)間：2020年05月25日 09:09:19 作者：春暖and花開(kāi)

這篇文章主要介紹了keras 如何保存最佳的訓(xùn)練模型，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

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(shuō)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(méi)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(shuō)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(lèi)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T(mén)rue時(shí)，監(jiān)測(cè)值有改進(jìn)時(shí)才會(huì)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(píng)判準(zhǔn)則，例如，當(dāng)監(jiān)測(cè)值為val_acc時(shí)，模式應(yīng)為max，當(dāng)監(jiān)測(cè)值為val_loss時(shí)，模式應(yīng)為min。在auto模式下，評(píng)價(jià)準(zhǔn)則由被監(jiān)測(cè)值的名字自動(dòng)推斷。

save_weights_only：若設(shè)置為T(mén)rue，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)

以上這篇keras 如何保存最佳的訓(xùn)練模型就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: