【597】keras 回调（callbacks）函数 以及 模型保存

参考：Tensorflow回调（callbacks）函数的使用方法

参考：Keras中的回调函数Callbacks详解

参考：keras保存模型中的save()和save_weights()

参考：关于 keras.callbacks设置模型保存策略

---

　　实例化一个 myCallback 对象 callbacks

　　在 model.fit() 函数中添加 callbacks 参数

　　model.save() ：保存整个模型结构与参数：保存整个模型结构与参数

　　model.save_weights() ：仅仅保存模型的参数：仅仅保存模型的参数

　　model.load_model() ：加载存储的信息

?

1 2 3 4 5

callbacks = [     keras.callbacks.ModelCheckpoint("oxford_segmentation.h5", save_best_only=True) ]   model.fit(train_gen, epochs=epochs, validation_data=val_gen, callbacks=callbacks)

　　默认是每一次poch,但是这样硬盘空间很快就会被耗光.

　　将save_best_only 设置为True使其只保存最好的模型,值得一提的是其记录的acc是来自于一个monitor_op,其默认为"val_loss",其实现是取self.best为 -np.Inf. 所以,第一次的训练结果总是被保存.

• Callbacks：回调函数是一个函数的合集，会在训练的阶段中所使用。你可以使用回调函数来查看训练模型的内在状态和统计。你可以传递一个列表的回调函数（作为 callbacks 关键字参数）到 Sequential 或 Model 类型的 .fit() 方法。在训练时，相应的回调函数的方法就会被在各自的阶段被调用。

  • ModelCheckpoint：在每个训练期之后保存模型。

  • EarlyStopping：当被监测的数量不再提升，则停止训练。

  • TensorBoard：Tensorboard 基本可视化。