要在崩溃后恢复训练，不仅必须恢复模型，还必须恢复进入model.fit(...) 进程状态的所有对象和参数。
在我费心 fork keras 代码来实现 fitting 对象之前，我想知道恢复崩溃恢复的标准方法（如果有的话）是什么TensorFlow 2.0 训练从哪里停下来。
或者有人真的填补了 TensorFlow 对象模型中这个明显的漏洞？
【问题讨论】：
标签： tensorflow2.0 checkpointing
检查点tf.keras.Model.fit() 进程的规范方法是ModelCheckpoint 回调。
用法如下：
mode.fit(..., callbacks=[tf.keras.callbacks.ModelCheckpoint(checkpoint_dir)]
保存的检查点，默认在每个训练周期结束时生成，不仅包括模型的架构和权重值，还包括训练状态。有兴趣的可以研究一下它的源码here。保存的训练状态包括
这些是否涵盖了您心目中的所有训练状态？
【讨论】：
fitting 对象检查点将检查拟合过程的整个状态，因此它可以通过 fitting.resume() 恢复。我想可以将参数传递给resume 方法来修改恢复，但那将是尾鳍。
ModelCheckpoint 配置model.fit() 调用，程序将负责自动恢复先前保存的训练状态。但是，就您而言，检查点实际上是自包含的，无需原始训练 Python 代码即可加载。在上面的示例中，您可以执行model = tf.keras.models.load_model(checkpoint_dir)，重构的model 对象立即准备好用于记住保存的训练状态的fit() 调用。