[英]Resume training with Adam optimizer in Keras
我的问题很简单,但我在网上找不到明确的答案(到目前为止)。
在定义的训练周期数之后,我使用以下方法保存了使用 adam 优化器训练的 keras 模型的权重:
callback = tf.keras.callbacks.ModelCheckpoint(filepath=path, save_weights_only=True)
model.fit(X,y,callbacks=[callback])
当我关闭 jupyter 后恢复训练时,我可以简单地使用:
model.load_weights(path)
继续训练。
由于 Adam 依赖于 epoch 数(例如在学习率衰减的情况下),我想知道在与以前相同的条件下恢复训练的最简单方法。
按照 ibarrond 的回答,我编写了一个小的自定义回调。
optim = tf.keras.optimizers.Adam()
model.compile(optimizer=optim, loss='categorical_crossentropy',metrics=['accuracy'])
weight_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, save_weights_only=True, verbose=1, save_best_only=False)
class optim_callback(tf.keras.callbacks.Callback):
'''Custom callback to save optimiser state'''
def on_epoch_end(self,epoch,logs=None):
optim_state = tf.keras.optimizers.Adam.get_config(optim)
with open(optim_state_pkl,'wb') as f_out:
pickle.dump(optim_state,f_out)
model.fit(X,y,callbacks=[weight_callback,optim_callback()])
当我恢复训练时:
model.load_weights(checkpoint_path)
with open(optim_state_pkl,'rb') as f_out:
optim_state = pickle.load(f_out)
tf.keras.optimizers.Adam.from_config(optim_state)
我只是想检查一下这是否正确。 再次感谢!!
附录:在进一步阅读 Adam 的默认Keras 实现和原始 Adam 论文时,我认为默认 Adam 不依赖于纪元数,而仅依赖于迭代数。 因此,这是不必要的。 但是,对于希望跟踪其他优化器的任何人,该代码可能仍然有用。
为了完美地捕获优化器的状态,您应该使用函数get_config()
存储其配置。 此函数返回一个字典(包含选项) ,可以使用pickle
将其序列化并存储在文件中。
要重新启动该过程,只需d = pickle.load('my_saved_tfconf.txt')
来检索具有配置的字典,然后使用from_config(d)
Adam 优化器的from_config(d)
函数生成您的 Adam 优化器。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.