tf.keras.callbacks.ModelCheckpoint

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

Унаследован от: Callback

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

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,
    initial_value_threshold=None,
    **kwargs
)

ModelCheckpoint обработчик используется совместно с обучением, используя 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.

Некоторые возможности этого обработчика включают:

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 максимизировать или минимизировать его значение.
Частота сохранения. В настоящее время обработчик поддерживает сохранение в конце каждой эпохи или после фиксированного количества обучающих батчей.
Сохранять только веса или всю модель.

Примечание: Если вы получаете WARNING:tensorflow:Can save best model only with <name> available, skipping обратитесь к описанию аргумента monitor для получения подробной информации о том, как это сделать правильно.

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 к файлу сохранения модели. Например, filepath = os.path.join(working_dir, 'ckpt', file_name). `filepath` может содержать именованные параметры форматирования, которые будут заполнены значениями `epoch` и ключами в `logs` (переданными в `on_epoch_end`). Например: если `filepath` равно `weights.{epoch:02d}-{val_loss:.2f}.hdf5`, тогда контрольные точки модели будут сохранены с номером эпохи и значением валидационного потерь в имени файла. Директория в пути filepath не должна повторно использоваться другими обработчиками, чтобы избежать конфликтов.
`monitor`	Название метрики для отслеживания. Обычно метрики устанавливаются методом `Model.compile`. Обратите внимание: Добавьте префикс "val_" к имени, чтобы отслеживать валидационные метрики. Используйте "loss" или "total_loss", чтобы отслеживать общие потери модели. Если вы указываете метрики в виде строк, как `"accuracy"`, передавайте ту же строку (с префиксом "val_" или без него). Если вы передаете объекты метрики `metrics.Metric`, `monitor` должен быть установлен на `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, а режим 1 отображает сообщения, когда обработчик выполняет действие.
`save_best_only`	если `save_best_only=True`, сохраняет только тогда, когда модель считается «лучшей», и последняя лучшая модель по отслеживаемому параметру не будет перезаписана. Если `filepath` не содержит параметров форматирования, 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 так далее. В режиме `auto`, режим устанавливается в `max` если отслеживаемые значения метрики - 'acc' или начинаются с 'fmeasure', и в `min` для остальных значений.
`save_weights_only`	если True, тогда сохраняются только веса модели (`model.save_weights(filepath)`), иначе 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 этого количества батчей. Если `Model` скомпилирован с `steps_per_execution=N`, то критерии сохранения будут проверяться каждые N-е батчи. Обратите внимание, что если сохранение не привязано к эпохам, отслеживаемая метрика может быть потенциально менее надёжной (может отражать всего 1 батч, так как метрики сбрасываются в каждой эпохе). По умолчанию `'epoch'`.
`options`	Необязательный объект `tf.train.CheckpointOptions`, если `save_weights_only` равно true, или необязательный объект `tf.saved_model.SaveOptions`, если `save_weights_only` равно false.
`initial_value_threshold`	Начальное значение метрики для отслеживания с плавающей точкой. Применимо только если `save_best_value=True`. Перезаписывает только сохранённые весовые коэффициенты модели, если производительность текущей модели лучше, чем это значение.
`**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
)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/keras/callbacks/ModelCheckpoint