TensorFlow.Keras ModelCheckpoint 训练时保存模型，为什么？

Question

我想知道为什么我们需要在训练时保存模型？ 在火车开始时保存一次然后只在火车期间保存重量还不够吗？

我的意思是，模型在训练过程中没有改变，为什么需要这个布尔值？

class ModelCheckpoint(Callback):
...
save_weights_only: if True, then only the model's weights will be saved.
...

谢谢！

Answer 1

这不是需要或要求，只是方便。在典型的 DL/DS 工作流程中，你训练了许多具有不同配置的模型，很容易迷失方向。也许您现在已经保存了最佳模型的权重，但您不记得它使用了哪个模型配置。该信息不属于权重的一部分，必须单独记录。

然后 Keras 提供了一个简单的解决方案，将模式（不到 10 KB）与权重一起存储，因此在丢失原始模型配置的情况下，它仍然保存在同一个 HDF5 文件中。

另外考虑在没有模型配置的情况下将模型权重发送给其他人的情况，如何在没有模型的情况下加载权重？再次，它只是方便。