每 10 个时期保存模型 tensorflow.keras v2

Question

我正在使用在 tensorflow v2 中定义为子模块的 keras。我正在使用 fit_generator() 方法训练我的模型。我想每 10 个时期保存一次我的模型。我怎样才能做到这一点？

在 Keras 中（不是作为 tf 的子模块），我可以给出 ModelCheckpoint(model_savepath,period=10)。但在 tf v2 中，他们将其更改为 ModelCheckpoint(model_savepath, save_freq)，其中 save_freq 可以是 'epoch'，在这种情况下，每个时期都会保存模型。如果 save_freq 是整数，则在处理完这么多样本后保存模型。但我希望它在 10 个纪元之后。我怎样才能做到这一点？

Answer 1

使用 tf.keras.callbacks.ModelCheckpoint 使用 save_freq='epoch' 并传递一个额外的参数 period=10.

虽然 official docs 中没有记录，但这就是执行此操作的方法（注意它记录了您可以通过 period，只是没有解释它的作用）。

Answer 2

明确计算每个时期的批次数量对我有用。

BATCH_SIZE = 20
STEPS_PER_EPOCH = train_labels.size / BATCH_SIZE
SAVE_PERIOD = 10

# Create a callback that saves the model's weights every 10 epochs
cp_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_path, 
    verbose=1, 
    save_weights_only=True,
    save_freq= int(SAVE_PERIOD * STEPS_PER_EPOCH))

# Train the model with the new callback
model.fit(train_images, 
          train_labels,
          batch_size=BATCH_SIZE,
          steps_per_epoch=STEPS_PER_EPOCH,
          epochs=50, 
          callbacks=[cp_callback],
          validation_data=(test_images,test_labels),
          verbose=0)

每 10 个时期保存模型 tensorflow.keras v2

Save model every 10 epochs tensorflow.keras v2

python

deep-learning

keras

tf.keras

tensorflow2.0