每 10 个 epoch 保存一次模型 tensorflow.keras v2答案

【问题标题】：Save model every 10 epochs tensorflow.keras v2每 10 个 epoch 保存一次模型 tensorflow.keras v2
【发布时间】：2020-03-22 22:36:44
【问题描述】：

我正在使用在 tensorflow v2 中定义为子模块的 keras。我正在使用fit_generator() 方法训练我的模型。我想每 10 个 epoch 保存一次我的模型。我怎样才能做到这一点？

在 Keras（不作为 tf 的子模块）中，我可以给ModelCheckpoint(model_savepath,period=10)。但在 tf v2 中，他们已将其更改为 ModelCheckpoint(model_savepath, save_freq)，其中 save_freq 可以是 'epoch'，在这种情况下，模型会在每个时期保存。如果save_freq 是整数，则在处理完这么多样本后保存模型。但我希望它在 10 个时代之后。我怎样才能做到这一点？

【问题讨论】：

标签： python keras deep-learning tensorflow2.0 tf.keras

【解决方案1】：

使用tf.keras.callbacks.ModelCheckpoint 使用save_freq='epoch' 并传递一个额外的参数period=10。

虽然official docs 中没有记录这一点，但这就是这样做的方式（注意记录了你可以通过period，只是没有解释它的作用）。

【讨论】：

我收到以下警告：WARNING:tensorflow:'period' argument is deprecated. Please use 'save_freq' to specify the frequency in number of samples seen. 所以，我想，此功能即将推出。在那种情况下，我怎样才能做到这一点？
我相信唯一的选择是计算每个时期的示例数，并将该整数传递给 save_freq 乘以您想要的时期数作为保存之间的间隔
@bluesummers "examples per epoch" 这应该是我的批量大小，对吧？
Examples per epoch 是您希望在检查点之间通过网络的 samples 数量 - 这意味着如果您有 100 个样本（samples != batch，batch 是一批样本），你放 400 个，它将每 4 个 epoch 保存一次
我遇到了与@NagabhushanSN 相同的问题。我计算了每个时期的样本数来计算我想保存模型的样本数，但它似乎不起作用。批量大小 = 64，对于测试用例，我每个 epoch 使用 10 个步骤。如果我想每 3 个 epoch 保存一次模型，样本数是 64*10*3=1920。我将它用于 sav_freq 但输出显示模型保存在 epoch 1、epoch 2、epoch 9、epoch 11、epoch 14 并且仍在运行。无法理解。 period 选项似乎工作正常，但有消息表明它将被弃用。

【解决方案2】：

显式计算每个时期的批次数对我有用。

BATCH_SIZE = 20
STEPS_PER_EPOCH = train_labels.size / BATCH_SIZE
SAVE_PERIOD = 10

# Create a callback that saves the model's weights every 10 epochs
cp_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_path, 
    verbose=1, 
    save_weights_only=True,
    save_freq= int(SAVE_PERIOD * STEPS_PER_EPOCH))

# Train the model with the new callback
model.fit(train_images, 
          train_labels,
          batch_size=BATCH_SIZE,
          steps_per_epoch=STEPS_PER_EPOCH,
          epochs=50, 
          callbacks=[cp_callback],
          validation_data=(test_images,test_labels),
          verbose=0)

【讨论】：