Keras模型無法正確保存

Question

我正在Keras上訓練神經網絡，但是當有新數據出現並嘗試對其進行重新訓練時，時代上的損失與我第一次訓練模型時一樣高。

 checkpoint = ModelCheckpoint('my_model.h5', monitor='loss', verbose=1, save_best_only=True, mode='min')
 callbacks_list = [checkpoint]
 model.fit(X_train,y_train, batch_size = batch_size, epochs = epochs, callback = callbacks_list)
 new_model = load_model('my_model.h5')

如此處建議Keras：如何保存模型並繼續訓練？ 我試圖在model和new_model預測相同的數據，並使用以下方法測量差異：

assert_allclose(model.predict(x_train),
            new_model.predict(x_train),
            1e-5)

實際上，我得到了斷言錯誤，甚至在tol = 1e-2也發生了錯誤，因此讓我認為我的模型沒有按預期加載。 任何人都知道為什么會這樣嗎？

Answer 1

ModelCheckpoint節省了在訓練中損失較少的模型重量。

您的model已保存了最后一個時期的權重。

如果模型的最后一個時期不是損失較小的時期，則保存的模型的權重（ new_model ）與原始模型的權重不匹配，並且預測也不相同。