Keras，优化时保存状态的最佳方式

Question

我只是想知道在优化模型时保存模型状态的最佳方法是什么。我想这样做，这样我就可以运行它一段时间，保存它，然后过一段时间再回来。我知道有一个函数可以保存权重，另一个函数可以将模型保存为 JSON。在学习过程中，我需要保存模型的权重和参数。这包括动量和学习率等参数。有没有办法将模型和权重保存在同一个文件中。我读到使用泡菜不被认为是好的做法。梯度体面的动量是否会包含在模型 JSON 或权重中？

Answer 1

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

您可以使用 model.save(filepath) 将 Keras 模型保存到单个 HDF5 文件将包含：

• 模型的架构，允许重新创建模型
• 模型的权重
• 训练配置（损失、优化器）
• 优化器的状态，允许在您停止的地方恢复训练。

然后您可以使用 keras.models.load_model(filepath) 重新实例化您的模型。 load_model 还将负责使用保存的训练配置编译模型（除非模型从未被编译过）。

Keras 常见问题解答：How can I save a Keras model?

Answer 2

您可以创建一个包含权重和架构的 tar 存档，以及一个包含 model.optimizer.get_state() 返回的优化器状态的 pickle 文件。