模型有多个输出时的 ModelCheckpoint 监控值答案

【问题标题】：ModelCheckpoint monitoring values when the model has multiple outputs模型有多个输出时的 ModelCheckpoint 监控值
【发布时间】：2020-03-12 02:57:30
【问题描述】：

我的模型有两个输出，我想监控一个来保存我的模型。以下是我的代码的一部分。 TensorFlow的版本是2.0

model = MobileNetBaseModel()()
model.compile(optimizer=tf.keras.optimizers.Adam(),
              metrics={"pitch_yaw_roll": "mae"},
              loss={"pitch_yaw_roll": compute_mse_loss, # or "mse"
                    "total_logits": compute_cross_entropy_loss(num_classes=num_classes)},
              loss_weights= {"pitch_yaw_roll":mse_weight, "total_logits":cross_entropy_weight})
file_path = os.path.join(checkpoint_path, "model.{epoch:2d}-{val_loss:.2f}.h5")
tf.keras.callbacks.ModelCheckpoint(filepath=file_path,
                                   monitor="val_loss",
                                   verbose=1,
                                   save_freq=save_freq,
                                   save_best_only=True)

ModelCheckpoint回调中默认的monitor='val_loss'，如何选择我需要的？我要监听{"pitch_yaw_roll": "mae"}。

【问题讨论】：

你想达到什么目的？您只想保存"pitch_yaw_roll" 值最低的纪元吗？
是的，也许我想每隔几批保存一次最低值对应的模型。正如我所描述的，在tf.keras.callbacks.ModelCheckpoint 中我只能选择monitor = val_loss 吗？谢谢你的帮助！ @bluesummers

标签： python tensorflow keras tensorflow2.0

【解决方案1】：

如果您希望 ModelCheckpoint 根据另一个指标值保存，请使用 .compile(metrics={...}, ...) 指标字典中该指标的键。

例如，如果您只想保存最好的"pitch_yaw_roll" epoch 结果（最好是最小值），您应该使用

tf.keras.callbacks.ModelCheckpoint(filepath=file_path,
                                   monitor="val_pitch_yaw_roll",
                                   verbose=1,
                                   mode="min",
                                   save_freq=save_freq,
                                   save_best_only=True)

如果您选择"pitch_yaw_roll" 而不是"val_pitch_yaw_roll"，它将根据训练损失而不是根据验证损失进行保存

【讨论】：

按照你的意思，我知道如何根据loss来保存，那如果我想用validation set的mae代替validation set的loss呢？就像monitor="val_picth_yaw_roll_mae?
就像我写的一样，不要包含mae，只需使用val_pitch_yaw_roll - 因为这个关键点指向mae，所以要监控的是mae

【解决方案2】：

只是在上面添加评论，我相信您的检查点不起作用，因为要监控的值名称不正确。一般而言，这里的解决方案可能是让您的配合创造的历史达到顶峰。

history = model.fit(...)
pd.DataFrame(history.history)

您将在此处找到应在监控语句中使用的指标名称。

【讨论】：