在 TF/Keras 中是否可以在 X epochs 之后保存最佳模型？

Question

我的模型运行得非常快，但它们似乎变慢了，因为我正在保存最好的模型（在另一个进程中加载​​）； 但我注意到保存过程本身会减慢处理速度。 在拟合的早期阶段，每次迭代都在改进，它增加了越来越多的延迟。

我想知道是否有办法在 X epochs 之后保存最佳模型或将其保存在后台，以便模型训练不会因保存过于频繁而延迟？

为清楚起见，这就是我在ModelCheckpoint /TF2 中运行ModelCheckpoint ：

filepath="BestModel.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='loss', verbose=1, save_best_only=True, mode='min')
callbacks_list = [checkpoint]
# fit the model
model.fit(x, y, epochs=40, batch_size=50, callbacks=callbacks_list)

Answer 1

您可以使用save_freq的说法ModelCheckpoint回调来控制节电的频率。 默认情况下，它设置为'epoch' ，这意味着它会在每个 epoch 结束时保存模型； 但是，它也可以设置为一个整数，以确定要传递的批次数以保存模型。 以下是文档的相关部分供参考：

save_freq : 'epoch'或整数。 使用'epoch' ，回调会在每个 epoch 之后保存模型。 使用整数时，回调在这么多批次结束时保存模型。 如果Model是用experimental_steps_per_execution=N编译的，那么保存标准将每第 N 批检查一次。 请注意，如果保存未与时期对齐，则受监控的指标可能不太可靠（它可能反映少至 1 个批次，因为指标在每个时期都会重置）。 默认为'epoch' 。