如何使用 ModelCheckpoint 回调加载我的 tensorflow 模型？答案

【问题标题】：How to load my tensorflow model with ModelCheckpoint callbacks?如何使用 ModelCheckpoint 回调加载我的 tensorflow 模型？
【发布时间】：2020-05-27 16:27:57
【问题描述】：

我已经训练了一个模型并使用 ModelCheckpoint 保存了权重：

checkpoint_callback = ModelCheckpoint(
    filepath = checkpoint_prefix,
    save_weights_only = True,
    save_freq = 'epoch')

在我的模型训练的晚上，我断电了一段时间，我的电脑也关闭了。现在我打开了我的 Jupyter 笔记本，我想加载我的模型而不从一开始就对其进行训练。我应该如何在不重新编译而只使用检查点的情况下做到这一点？我也有张量板回调：

tensorboard_callback = TensorBoard(
    log_dir = 'tensorboard_logs\\'+ model_name,
    histogram_freq = 5,
    write_graph = True,
    update_freq = 'epoch')

【问题讨论】：

标签： deep-learning callback conv-neural-network tensorflow2.0 tf.keras

【解决方案1】：

由于您只保存了模型的权重，因此您需要重建图形，然后在其上加载最后一个检查点的权重。

因此，您必须重新创建模型并进行编译。
下次如果要保存完整的模型，不用每次加载都重新编译，设置save_weights_only为False。
它允许您使用keras.models.load_model() 加载您的模型，然后直接拟合它。

model = Sequential()
model.add() 
...
model.compile()

然后加载你的重量：

model.load_weights(checkpoint_prefix)

然后你就可以正常使用了：

model.fit( ... )

【讨论】：

非常感谢。之前我保存了一个这样的模型：model_path = "model_save\\tiny_resnet_tune" tiny_resnet_tune.save(model_path)。但是电停了几秒钟，我无法做到这一点。我只有模型中的检查点，这些检查点是用 ModelCheckpoint 保存的。由于我是这个领域的新手，我有很多东西要学，像这样的问题给我带来了一些不好的时间。