Сохранять веса моделей в конце каждых N эпох
Я тренирую NN и хочу сохранять веса модели каждые N эпох для фазы прогнозирования. Я предлагаю этот черновик кода, он вдохновлен ответом @grovina здесь. Не могли бы вы внести предложения? Заранее спасибо.
from keras.callbacks import Callback
class WeightsSaver(Callback):
def __init__(self, model, N):
self.model = model
self.N = N
self.epoch = 0
def on_batch_end(self, epoch, logs = {}):
if self.epoch % self.N == 0:
name = 'weights%08d.h5' % self.epoch
self.model.save_weights(name)
self.epoch += 1
Затем добавьте его к подходящему вызову: чтобы сохранять веса каждые 5 эпох:
model.fit(X_train, Y_train, callbacks=[WeightsSaver(model, 5)])
Ответы 2
Вам не нужно передавать модель для обратного вызова. У него уже есть доступ к модели через супер. Поэтому удалите аргумент __init__(..., model, ...) и self.model = model. В любом случае вы сможете получить доступ к текущей модели через self.model. Вы также сохраняете его на каждом конце партии, а это не то, что вам нужно, вы, вероятно, хотите, чтобы это был on_epoch_end.
Но в любом случае то, что вы делаете, можно сделать через наивный обратный вызов modelcheckpoint. Вам не нужно писать собственный. Вы можете использовать это следующим образом;
mc = keras.callbacks.ModelCheckpoint('weights{epoch:08d}.h5',
save_weights_only=True, period=5)
model.fit(X_train, Y_train, callbacks=[mc])
Спасибо за ответ, работает хорошо :) именно то, что я ищу.
Вы должны реализовать on_epoch_end, а не on_batch_end. А также передача модели в качестве аргумента для __init__ является избыточной.
from keras.callbacks import Callback
class WeightsSaver(Callback):
def __init__(self, N):
self.N = N
self.epoch = 0
def on_epoch_end(self, epoch, logs = {}):
if self.epoch % self.N == 0:
name = 'weights%08d.h5' % self.epoch
self.model.save_weights(name)
self.epoch += 1
Спасибо @Ghilas_BELHADJ :)