使用 tf.keras.callbacks，我只能通過選擇一個(gè)要監(jiān)控的屬性（通常是驗(yàn)證準(zhǔn)確性）來自動(dòng)保存最佳模型，但有時(shí)，我需要根據(jù)驗(yàn)證和訓(xùn)練準(zhǔn)確性的比較來保存它。我怎樣才能做到這一點(diǎn)？tf.keras.history 文件是否在每個(gè)時(shí)期記錄模型的權(quán)重？如果是這樣，我如何通過指定我想要的時(shí)代來從歷史文件中保存我的模型？這是另一種可能的解決方案。這就是我遇到的情況：有時(shí)，我的驗(yàn)證準(zhǔn)確率在早期階段非常高（我認(rèn)為純屬偶然），而我的訓(xùn)練準(zhǔn)確率仍遠(yuǎn)低于它。這個(gè)時(shí)代最終成為自動(dòng)保存的模型。這是一個(gè)糟糕的模型，因?yàn)樗挠?xùn)練準(zhǔn)確性很差，但由于其高驗(yàn)證準(zhǔn)確性而被保存下來。如果它保存在訓(xùn)練和驗(yàn)證精度滿足的地方，它會(huì)是一個(gè)非常好的模型。因此，在每個(gè)時(shí)期，我更愿意比較訓(xùn)練準(zhǔn)確度和驗(yàn)證準(zhǔn)確度，選擇兩者中最低的，并基于此決定我的最佳模型。關(guān)于如何做到這一點(diǎn)的任何建議？
2 回答
江戶川亂折騰
TA貢獻(xiàn)1851條經(jīng)驗(yàn) 獲得超5個(gè)贊
您可以像這樣實(shí)現(xiàn)自定義回調(diào)：
class CustomModelCheckpoint(tf.keras.callbacks.Callback):
def on_epoch_end(self, epoch, logs=None):
# logs is a dictionary
print(f"epoch: {epoch}, train_acc: {logs['acc']}, valid_acc: {logs['val_acc']}")
if logs['val_acc'] > logs['acc']: # your custom condition
self.model.save('model.h5', overwrite=True)
cbk = CustomModelCheckpoint()
model.fit(....callbacks=[cbk]...)
寶慕林4294392
TA貢獻(xiàn)2021條經(jīng)驗(yàn) 獲得超8個(gè)贊
在https://keras.io/callbacks/查看回調(diào) ModelCheckpoint
您可以保存每個(gè)時(shí)期的模型，并在文件名中包含準(zhǔn)確度/驗(yàn)證準(zhǔn)確度（或之后檢查歷史對(duì)象）。
添加回答
舉報(bào)
0/150
提交
取消