tf.keras.callbacks.ModelCheckpoint

Обратный вызов для сохранения модели Keras или весов модели с заданной периодичностью.

Наследует 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 блокнотах

Используется в руководстве	Используется в учебных материалах
Перенос сохранения контрольных точек Перенос оценки Обучение на нескольких GPU и распределенное обучение	Сохранение и загрузка моделей Создание музыки с помощью RNN Распределенное обучение с Keras Обучение с сервером параметров и ParameterServerStrategy Классификация поз человека с помощью MoveNet и TensorFlow Lite

Обратный вызов ModelCheckpoint используется при обучении с помощью model.fit() для сохранения модели или весов (в файле контрольной точки) с заданным интервалом, чтобы позднее загрузить модель или веса и продолжить обучение с сохраненного состояния.

Этот обратный вызов предоставляет несколько параметров:

Сохранять только модель, которая на данный момент достигла «наилучших результатов», или сохранять модель в конце каждой эпохи независимо от результатов.
Определение понятия «наилучший результат»: какую величину отслеживать и следует ли ее максимизировать или минимизировать.
Частота сохранения. В настоящее время обратный вызов поддерживает сохранение в конце каждой эпохи или после фиксированного количества обучающих пакетов.
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 для сохранения файла модели. `filepath` может содержать именованные параметры форматирования, значения которых будут подставлены из `epoch` и ключей в `logs` (передаваемых в `on_epoch_end`). Имя `filepath` должно оканчиваться на `".weights.h5"`, если используется `save_weights_only=True`, или на `".keras"`, если сохраняется вся модель в виде контрольной точки (по умолчанию). Например, если `filepath` равно `"{epoch:02d}-{val_loss:.2f}.keras"`, контрольные точки модели будут сохраняться с номером эпохи и значением потерь на проверочных данных в имени файла. Во избежание конфликтов каталог, указанный в filepath, не должен использоваться другими обратными вызовами.
`monitor`	Имя метрики, которую нужно отслеживать. Обычно метрики задаются методом `Model.compile`. Примечание: Добавьте префикс `"val_"`, чтобы отслеживать метрики проверки. Используйте `"loss"` или `"val_loss"`, чтобы отслеживать общие потери модели. Если вы задаете метрики в виде строк, например `"accuracy"`, передайте ту же строку (с префиксом `"val_"` или без него). Если вы передаете объекты `metrics.Metric`, значение `monitor` должно быть задано как `metric.name` Если вы не уверены в названиях метрик, можно проверить содержимое словаря `history.history`, возвращаемого методом `history = model.fit()` В моделях с несколькими выходами к названиям метрик добавляются дополнительные префиксы.
`verbose`	Режим подробного вывода: 0 или 1. В режиме 0 вывод отсутствует, в режиме 1 отображаются сообщения при выполнении действия обратным вызовом.
`save_best_only`	Если `save_best_only=True`, модель сохраняется только тогда, когда считается «наилучшей», и последняя модель с наилучшими результатами по отслеживаемой величине не перезаписывается. Если `filepath` не содержит параметров форматирования, таких как `{epoch}`, значение `filepath` будет перезаписываться при появлении каждой новой, более эффективной модели.
`mode`	одно из значений {`"auto"`, `"min"`, `"max"`}. Если задано `save_best_only=True`, решение о перезаписи текущего файла сохранения принимается на основе максимизации или минимизации отслеживаемой величины. Для `val_acc` это должно быть `"max"`, для `val_loss` — `"min"` и т. д. В режиме `"auto"` режим устанавливается в `"max"`, если отслеживаемые величины являются `"acc"` или начинаются с `"fmeasure"`, а для остальных величин устанавливается `"min"`.
`save_weights_only`	Если `True`, сохраняются только веса модели (`model.save_weights(filepath)`), иначе сохраняется вся модель (`model.save(filepath)`).
`save_freq`	`"epoch"` или целое число. При использовании `"epoch"` модель сохраняется после каждой эпохи. Если задано целое число, обратный вызов сохраняет модель по завершении указанного количества пакетов. Если `Model` скомпилирован с `steps_per_execution=N`, критерий сохранения будет проверяться на каждом N-м пакете. Обратите внимание: если сохранение не совпадает с границами эпох, отслеживаемая метрика может быть менее надежной (она может отражать всего один пакет, поскольку метрики сбрасываются в каждой эпохе). По умолчанию — `"epoch"`.
`initial_value_threshold`	Начальное значение метрики с плавающей точкой, считающееся «наилучшим». Применяется только при `save_best_value=True`. Уже сохраненные веса модели перезаписываются, только если результаты текущей модели лучше этого значения.

Атрибуты
`model`

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

Аргументы
`batch`	Целое число — индекс пакета в текущей эпохе.
`logs`	Словарь. В настоящее время для этого метода этому аргументу не передаются данные, но в будущем это может измениться.

tf.keras.callbacks.ModelCheckpoint

Используется в блокнотах

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`