keras 中的 ModelCheckpoint 与旧模型比较答案

【问题标题】：ModelCheckpoint in keras compare with old modelkeras 中的 ModelCheckpoint 与旧模型比较
【发布时间】：2020-02-25 15:48:40
【问题描述】：

我是深度学习的新手，正在做一些分类问题。

我在回调列表中使用EarlyStopping 和ModelCheckpoint，但是当训练开始时，模型检查点的基线是负无穷大并覆盖“best_model.h5”。

但是，“best_model.h5”已经存储了我最后一个最好的模型。我想将ModelCheckpoint 的基线设置为我在数据上的最后一个最佳模型的性能。

谁能帮帮我？

es = EarlyStopping(monitor='val_accuracy', mode='max', verbose=1, patience=3)
mc = ModelCheckpoint('best_model.h5', monitor='val_accuracy', mode='max', save_best_only=True, verbose=1)

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, validation_data=(x_valid, y_valid), batch_size=400,\
                  epochs=20, callbacks=[es, mc])

enter image description here

【问题讨论】：

标签： keras deep-learning

【解决方案1】：

这样做：

mc = ModelCheckpoint('best_model-{epoch:04d}_{val_accuracy:.2f}.h5', monitor='val_accuracy', mode='max', save_best_only=True, verbose=1)

这将使用epoch 编号和validation_accuracy 保存您的新最佳模型，而不会覆盖best_model.h5。这应该会在以后帮助您选择最佳模型并进行比较。

【讨论】：

【解决方案2】：

我认为您的问题是您想在第一个时期之前保存 val_acc - 回到一般机器学习问题的机制，我认为第一次迭代之前的准确度值对比较没有意义（您的模型尚未在给定数据集上接受过训练）。如果您愿意，可以尽可能检查验证损失 (val_loss)。

但是如果你想保存你的训练过程的日志，你不需要为每个 epoch 保存模型。您可以将历史函数用作 (import matplotlib.pyplot as plt)

results = model.fit(x_train, y_train, validation_data=(x_valid, y_valid), batch_size=400,epochs=20, callbacks=[es, mc])

plt.figure(figsize=(8, 8))
plt.title("Learning curve")
plt.plot(results.history["loss"], label="loss")
plt.plot(results.history["val_loss"], label="val_loss")
plt.xlabel("Epochs")
plt.ylabel("Loss")
plt.legend()
plt.savefig('loss.png')

plt.figure(figsize=(8, 8))
plt.title("Learning curve")
plt.plot(results.history["acc"], label="accuracy")
plt.plot(results.history["val_acc"], label="accuracy")
plt.xlabel("Epochs")
plt.ylabel("Accuracy")
plt.legend()
plt.savefig('acc.png')

【讨论】：