1、只儲存最佳的訓練模型

2、儲存有所有有提升的模型

3、載入模型

4、引數說明

只儲存最佳的訓練模型

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

儲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,則將檔案儲存,每提升一次,儲存一次
checkpoint = ModelCheckpoint(filepath,mode='max')
callbacks_list = [checkpoint]
model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])
 
history1 = model.fit_generator(
     train_generator,callbacks=callbacks_list)

因為我只想要最佳的模型，所以沒有嘗試儲存所有有提升的模型，結果是什麼樣自己試。。。

載入最佳的模型

# load weights 載入模型權重
model.load_weights('weights.best.hdf5')
#如果想載入模型,則將model.load_weights('weights.best.hdf5')改為
#model.load_model('weights.best.hdf5')
# compile 編譯
model.compile(loss='categorical_crossentropy',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引數說明

keras.callbacks.ModelCheckpoint(filepath,monitor='val_loss',verbose=0,save_best_only=False,save_weights_only=False,mode='auto',period=1)

filename：字串，儲存模型的路徑

monitor：需要監視的值

verbose：資訊展示模式，0或1(checkpoint的儲存資訊，類似Epoch 00001: saving model to ...)

（verbose = 0 為不在標準輸出流輸出日誌資訊；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：當設定為True時，監測值有改進時才會儲存當前的模型（ the latest best model according to the quantity monitored will not be overwritten）

mode：‘auto'，‘min'，‘max'之一，在save_best_only=True時決定效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：若設定為True，則只儲存模型權重，否則將儲存整個模型（包括模型結構，配置資訊等）

period：CheckPoint之間的間隔的epoch數

以上這篇keras 如何儲存最佳的訓練模型就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。