Keras 模型未正确保存答案

【问题标题】：Keras model not saving correctlyKeras 模型未正确保存
【发布时间】：2019-03-14 09:25:48
【问题描述】：

我正在 Keras 中训练一个神经网络，但是当新数据出现并且我尝试重新训练它时，它在 epochs 中的损失与我第一次训练我的模型时一样高。

 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')

正如这里Keras: How to save model and continue training? 所建议的那样，我尝试在model 和new_model 中预测相同的数据，并使用以下方法测量差异：

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

事实上，我得到了断言错误，我什至使用了tol = 1e-2，这让我觉得我的模型没有按应有的方式加载。任何人都知道为什么会发生这种情况？

【问题讨论】：

我假设从模型检查点加载时函数load_model() 不正确。它只存储模型的权重。尝试使用load_weights() 加载权重。 Example
据我所知，如果你不输入save_weights_only = True，整个模型都会被保存，至少 Keras 文档是这么说的。

标签： python tensorflow keras

【解决方案1】：

ModelCheckpoint 保存在训练中损失较少的模型权重。

您的model 已保存最后一个时期的权重。

如果您的模型的最后一个 epoch 不是损失较少的那个，则保存的模型 (new_model) 的权重与原始模型的权重不匹配，并且预测不一样。

【讨论】：

好的，有道理。但是，当我重新训练我的模型时，似乎即使重新训练中的损失更高，模型也会更新，这不应该发生，对吧？任何线索为什么会发生？
如果你想保存最后一个epoch，不要在你的model.fit中调用回调model.fit(X_train,y_train, batch_size = batch_size, epochs = epochs)，而是使用model.save('my_model.h5')
抱歉，我自己可能没有解释清楚。我想保存最好的时期，并用那个时期重新训练我的模型，但如果损失没有改善，我不想更新我保存的前一个时期。
我不知道这是否可能。您可以手动更改已保存模型的名称，例如 my_model1.h5、my_model2.h5 ... 然后通过 result = model.evaluate(x=x_train,y=y_train) 和 print("{0}: {1:.2%}".format(model.metrics_names[1], result[1])) 检查最佳模型 acc