tf.keras.callbacks.ModelCheckpoint

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

Наследуется от: Callback

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.callbacks.ModelCheckpoint

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

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

Этот обработчик предоставляет несколько вариантов:

Сохранять только модель, достигшую наилучшей производительности на данный момент, или сохранять модель в конце каждой эпохи независимо от производительности.
Определение «наилучшей» производительности: какой показатель отслеживать и следует ли его максимизировать или минимизировать.
Частота сохранения. В настоящее время обработчик поддерживает сохранение в конце каждой эпохи или после определённого количества обучающих партий.
Сохранять только веса или всю модель.

Примечание: Если у вас возникнут WARNING:tensorflow:Can save best model only with <name> available, skipping, см. описание аргумента monitor для получения подробной информации о том, как это исправить.

Пример:

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

EPOCHS = 10
checkpoint_filepath = '/tmp/checkpoint'
model_checkpoint_callback = tf.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) are loaded into the model.
model.load_weights(checkpoint_filepath)

Аргументы
`filepath`	строка или `PathLike`, путь для сохранения файла модели. `filepath` может содержать параметры форматирования с именами, которые будут заполнены значением `epoch` и ключами в `logs` (переданными в `on_epoch_end`). Например: если `filepath` равно `weights.{epoch:02d}-{val_loss:.2f}.hdf5`, контрольные точки модели будут сохраняться с номером эпохи и значением валидационной потери в имени файла.
`monitor`	Имя метрики для отслеживания. Обычно метрики задаются методом `Model.compile`. Примечание: Предшествуйте имени префиксом `"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`, `monitor` должно быть установлено в `metric.name` Если вы не уверены в именах метрик, вы можете проверить содержимое словаря `history.history` возвращаемого методом `history = model.fit()` Модели с несколькими выходами добавляют дополнительные префиксы к именам метрик.
`verbose`	режим подробности, 0 или 1.
`save_best_only`	если `save_best_only=True`, он сохраняет только тогда, когда модель считается «лучшей», и последняя лучшая модель по отслеживаемой величине не будет перезаписана. Если `filepath` не содержит параметров 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 файла сохранения принимается на основе максимизации или минимизации отслеживаемой величины. Для `val_acc`, это должно быть `max`, для `val_loss` это должно быть `min`, и т.д. В режиме `auto`, направление автоматически определяется по имени отслеживаемой величины.
`save_weights_only`	если True, то сохраняются только веса модели (`model.save_weights(filepath)`), в противном случае сохраняется вся модель (`model.save(filepath)`).
`save_freq`	'epoch' или целое число. При использовании 'epoch', обработчик сохраняет модель после каждой эпохи. При использовании целого числа обработчик сохраняет модель в конце указанного количества партий. Если модель скомпилирована с `steps_per_execution=N`, критерии сохранения будут проверяться каждые N-ую партию. Обратите внимание, что если сохранение не выровнено по эпохам, отслеживаемая метрика может быть потенциально менее надёжной (она может отражать всего 1 партию, так как метрики сбрасываются в конце каждой эпохи). По умолчанию `'epoch'`.
`options`	необъект `tf.train.CheckpointOptions`, если `save_weights_only` равно True, или необъект `tf.saved_model.SaveOptions`, если `save_weights_only` равно false.
`**kwargs`	Дополнительные аргументы для обратной совместимости. Возможный ключ `period`.

Методы

`set_model`

Просмотреть исходный код

set_model(
    model
)

`set_params`

Просмотреть исходный код

set_params(
    params
)

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.4/api_docs/python/tf/keras/callbacks/ModelCheckpoint