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
)作用:回调以保存Keras模型或模型权重
ModelCheckpoint回调与使用model.fit()进行的训练结合使用,可以以一定间隔保存模型或权重
,因此可以稍后加载模型或权重以从保存的状态继续训练。
该回调提供的一些选项包括:
是仅保留到目前为止已达到“最佳性能”的模型,还是是否在每个时期结束时保存模型,而与性能无关。
'best'的定义;
监视哪个数量,以及应该最大化还是最小化。它应保存的频率。
当前,回调支持在每个时期结束时或在固定数量的训练批次之后进行保存。
是仅保存权重,还是保存整个模型。filepath:保存模型文件的路径
monitor:监控指标
save_best_only:如果save_best_only=True,根据监视指标得到的最新的最佳模型将不会被覆盖。
mode:{auto, min, max}中的一个。如果save_best_only=True,则根据监视量的最大值或最小
值来决定是否覆盖当前保存文件。对于val_acc,这应该是max,对于val_loss,这应该是min等。
在自动模式下,方向是根据监视的数量的名称自动推断出来的。
save_weights_only:
如果为True,那么只有模型的权重将被保存(model.save_weights(filepath)),
否则整个模型将被保存(model.save(filepath))。
save_freq:默认为‘epoch’

TF2.0-tf.keras.callbacks.ModelCheckpoint相关推荐

  1. TensorFlow tf.keras.callbacks.ModelCheckpoint

    在每个epoch后保存模型权重 filepath可以包含命名格式化选项,可以由epoch的值和logs的键(由on_epoch_end参数传递)来填充. 例如:如果filepath是weights.{ ...

  2. 早停 tf.keras.callbacks.EarlyStopping() 详解【TensorFlow2入门手册】

    函数原型: tf.keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=0, verbose=0,mode=' ...

  3. TensorFlow tf.keras.callbacks.EarlyStopping

    参数 描述 monitor 监控的数量 min_delta 小于该值的会被当成模型没有进步 patience 没有进步的训练轮数,在这之后训练就会被停止 verbose 详细信息模式 mode {&q ...

  4. 解决Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题

    错误描述: 1.保存模型:model.save_weights('./model.h5') 2.脚本重启 3.加载模型:model.load_weights('./model.h5') 4.模型报错: ...

  5. TensorFlow tf.keras.callbacks.CSVLogger

    csv_logger = CSVLogger('training.log') model.fit(X_train, Y_train, callbacks=[csv_logger]) 参数 描述 fil ...

  6. 【tf.keras】官方教程一 Keras overview

    目录 Sequential Model:(the simplest type of model) Getting started with the Keras Sequential model Spe ...

  7. tf.keras 05: 使用Keras保存和加载不同格式的模型

    本文是 tf.keras 系列文章的第五篇.通过手写数字识别数据集介绍了 Keras 模型训练中的 检查点(checkpoint) 文件,.weights 文件,.pb 文件以及 .h5 文件等四种格 ...

  8. 【tf.keras】tf.keras使用tensorflow中定义的optimizer

    我的 tensorflow+keras 版本: print(tf.VERSION) # '1.10.0' print(tf.keras.__version__) # '2.1.6-tf' tf.ker ...

  9. 使用tf.keras搭建mnist手写数字识别网络

    使用tf.keras搭建mnist手写数字识别网络 目录 使用tf.keras搭建mnist手写数字识别网络 1.使用tf.keras.Sequential搭建序列模型 1.1 tf.keras.Se ...

  10. TensorFlow高阶 API: keras教程-使用tf.keras搭建mnist手写数字识别网络

    TensorFlow高阶 API:keras教程-使用tf.keras搭建mnist手写数字识别网络 目录 TensorFlow高阶 API:keras教程-使用tf.keras搭建mnist手写数字 ...

最新文章

  1. java调用Windows程序
  2. SSL/TLS协议信息泄露漏洞(CVE-2016-2183)【原理扫描】远程桌面 3389 Windows 2016
  3. jquery中prop()方法和attr()方法的区别浅析
  4. 网络——Cisco Packet Tracer 思科模拟器组网实验
  5. python pygame模块按键延迟_pygame模块中键控命令不能实现方块移动,求解
  6. java 高手_Java高手是怎样炼成的
  7. 如何在JSP里使用Java bean
  8. Codeforces 746 G. New Roads
  9. python按位翻转_Python成为专业人士笔记-位操作符
  10. Linux mv命令:移动文件或改名
  11. CRM客户管理系统能为企业带来什么好处?
  12. Mybatis学习之路——看这一篇文章,深刻学会Mybatis
  13. 无U盘的Ubuntu双系统安装方法
  14. erf函数处以一个常数_Google对Linux专利处以500万美元的罚款
  15. 手把手刷数据结构-1.手把手刷链表算法
  16. halcon计算一条弯曲线的回归直线
  17. java汉诺塔5层攻略_史上最难智力游戏第5关汉诺塔图文通关攻略
  18. read和write阻塞和非阻塞方面的理解
  19. 【python】【爬虫】爬取电子书《红星照耀中国》
  20. OPEN(SAP) UI5 学习入门系列之二: 最佳实践练习(上)

热门文章

  1. 程序员面试题之解读构造函数
  2. selenium 简介 及浏览器配置
  3. SpringMVC源码阅读:定位Controller
  4. spring boot 实现文件下载
  5. js进阶 14-9 ajax事件有哪些
  6. C#对称加密(3des)和非对称加密(rsa)算法
  7. Ruby on Rails 实践
  8. Linux中共享库(so)的几个名称及相关用法
  9. FFmpeg简介及常见用法
  10. SqlServer中union 和 union all的区别