tf.keras.callbacks.ModelCheckpoint

Обработчик для сохранения модели Keras или весов модели с определённой частотой.

Наследуется от: Callback

tf.keras.callbacks.ModelCheckpoint(
    filepath,
    monitor='val_loss',
    verbose=0,
    save_best_only=False,
    save_weights_only=False,
    mode='auto',
    save_freq='epoch',
    initial_value_threshold=None
)

Используется в ноутбуках

Используется в руководстве	Используется в учебниках
Миграция сохранения контрольных точек Миграция оценки Обучение с несколькими GPU и распределённое обучение	Сохранение и загрузка моделей Генерация музыки с помощью RNN Распределённое обучение с Keras Обучение с сервером параметров с помощью ParameterServerStrategy Классификация поз человека с помощью MoveNet и TensorFlow Lite

ModelCheckpoint обработчик используется совместно с обучением, используя model.fit(), для сохранения модели или весов (в файле контрольной точки) с некоторым интервалом, чтобы модель или веса могли быть загружены позже для продолжения обучения из сохранённого состояния.

Некоторые возможности этого обработчика включают:

Сохранять только модель, которая достигла наилучшей производительности до сих пор, или сохранять модель в конце каждой эпохи независимо от производительности.
Определение "наилучшей"; какой показатель отслеживать и нужно ли его максимизировать или минимизировать.
Частота сохранения. В настоящее время обработчик поддерживает сохранение в конце каждой эпохи или после фиксированного количества итераций обучения.
Сохранять только веса или всю модель.

Пример:

model.compile(loss=..., optimizer=...,
              metrics=['accuracy'])

EPOCHS = 10
checkpoint_filepath = '/tmp/ckpt/checkpoint.model.keras'
model_checkpoint_callback = keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_filepath,
    monitor='val_accuracy',
    mode='max',
    save_best_only=True)

# Model is saved at the end of every epoch, if it's the best seen so far.
model.fit(epochs=EPOCHS, callbacks=[model_checkpoint_callback])

# The model (that are considered the best) can be loaded as -
keras.models.load_model(checkpoint_filepath)

# Alternatively, one could checkpoint just the model weights as -
checkpoint_filepath = '/tmp/ckpt/checkpoint.weights.h5'
model_checkpoint_callback = keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_filepath,
    save_weights_only=True,
    monitor='val_accuracy',
    mode='max',
    save_best_only=True)

# Model weights are saved at the end of every epoch, if it's the best seen
# so far.
model.fit(epochs=EPOCHS, callbacks=[model_checkpoint_callback])

# The model weights (that are considered the best) can be loaded as -
model.load_weights(checkpoint_filepath)

Аргументы
`filepath`	строка или `PathLike`, путь к сохранению файла модели. `filepath` может содержать именованные параметры форматирования, которые будут заполнены значением `epoch` и ключами в `logs` (переданными в `on_epoch_end`). Имя `filepath` должно заканчиваться на `".weights.h5"` при сохранении `save_weights_only=True` или должно заканчиваться на `".keras"` при сохранении всей модели (по умолчанию). Например, если `filepath` равно `"{epoch:02d}-{val_loss:.2f}.keras"`, то контрольные точки модели будут сохраняться с номером эпохи и потерей на валидации в имени файла. Каталог пути к файлу не должен повторно использоваться другими обработчиками, чтобы избежать конфликтов.
`monitor`	Имя метрики для отслеживания. Обычно метрики устанавливаются методом `Model.compile`. Примечание: Префикс `"val_"` для отслеживания метрик валидации. Используйте `"loss"` или `"val_loss"` для отслеживания общей потери модели. Если вы указываете метрики как строки, например `"accuracy"`, передайте ту же строку (с префиксом `"val_"` или без него). Если вы передаёте объекты `metrics.Metric`, то `monitor` должно быть равно `metric.name` Если вы не уверены в именах метрик, вы можете проверить содержимое словаря `history.history`, возвращаемого `history = model.fit()` Модели с несколькими выходами добавляют дополнительные префиксы к именам метрик.
`verbose`	Режим отображения, 0 или 1. Режим 0 — без вывода сообщений, режим 1 — вывод сообщений, когда обработчик выполняет действие.
`save_best_only`	если `save_best_only=True`, сохраняется только тогда, когда модель считается "лучшей", и самая последняя лучшая модель по отслеживаемому показателю не будет перезаписана. Если `filepath` не содержит опций форматирования, таких как `{epoch}`, то `filepath` будет перезаписываться каждой новой лучшей моделью.
`mode`	одно из {`"auto"`, `"min"`, `"max"`}. Если `save_best_only=True`, решение о перезаписи текущего сохранённого файла принимается на основе максимизации или минимизации отслеживаемого показателя. Для `val_acc`, это должно быть `"max"`, для `val_loss`, это должно быть `"min"` и т.д. В режиме `"auto"` режим устанавливается в `"max"`, если отслеживаемые величины являются `"acc"` или начинаются с `"fmeasure"`, и устанавливается в `"min"` для остальных величин.
`save_weights_only`	если `True`, то сохраняются только веса модели (`model.save_weights(filepath)`), иначе сохраняется вся модель (`model.save(filepath)`).
`save_freq`	целое число или строка. При использовании строки, обработчик сохраняет модель после каждой эпохи. При использовании целого числа, обработчик сохраняет модель в конце указанного количества итераций. Если `Model` скомпилирован с `steps_per_execution=N`, то критерии сохранения будут проверяться каждые N итераций. Обратите внимание, что если сохранение не выровнено по эпохам, отслеживаемая метрика может быть потенциально менее надёжной (она может отражать всего 1 итерацию, так как метрики сбрасываются в конце каждой эпохи). По умолчанию `"epoch"`.
`initial_value_threshold`	Вещественное значение начального "лучшего" значения отслеживаемой метрики. Применяется только если `save_best_value=True`. Перезаписывает уже сохранённые веса модели только в том случае, если производительность текущей модели лучше, чем это значение.

Атрибуты
`model`

Аргументы
`epoch`	Целое число, индекс эпохи.
`logs`	Словарь. В настоящее время данные не передаются в этот аргумент для этого метода, но это может измениться в будущем.

Аргументы
`batch`	Целое число, индекс партии в текущей эпохе.
`logs`	Словарь. В настоящее время в этот аргумент для данного метода данные не передаются, но это может измениться в будущем.

tf.keras.callbacks.ModelCheckpoint

Используется в ноутбуках

Пример:

Методы

on_batch_begin

on_batch_end

on_epoch_begin

on_epoch_end

on_predict_batch_begin

on_predict_batch_end

on_predict_begin

on_predict_end

on_test_batch_begin

on_test_batch_end

on_test_begin

on_test_end

on_train_batch_begin

on_train_batch_end

on_train_begin

on_train_end

set_model

set_params

`on_batch_begin`

`on_batch_end`

`on_epoch_begin`

`on_epoch_end`

`on_predict_batch_begin`

`on_predict_batch_end`

`on_predict_begin`

`on_predict_end`

`on_test_batch_begin`

`on_test_batch_end`

`on_test_begin`

`on_test_end`

`on_train_batch_begin`

`on_train_batch_end`

`on_train_begin`

`on_train_end`

`set_model`

`set_params`