我完成模型训练处理。在培训过程中，我用ModelCheckpint通过保存最佳模型的权重：keras：在评估模型中加载保存的模型权重

checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, 
         save_best_only=True, mode='max')

训练结束后，我加载到评估模型中的模型权重，但我发现该模型并没有给所观察到的最佳精度在训练中。我重装型号如下：

model.load_weights(filepath) #load saved weights 
model = Sequential() 
model.add(Convolution2D(32, 7, 7, input_shape=(3, 128, 128))) 
.... 
.... 
model.compile(loss='categorical_crossentropy', 
      optimizer=sgd, 
      metrics=['accuracy']) 

#evaluate the model 
scores = model.evaluate_generator(test_generator,val_samples) 
print("Accuracy = ", scores[1])

通过Modelcheckpoint保存精度最高为85％左右，但是重新编译模型只给出了16％的准确度？

我在做什么错？

为了安全起见，有什么方法可以直接保存最佳模型而不是模型重量吗？

来源

2016-11-23 jingweimo

编译模型后放置model.load_weights（filepath）可修复问题！

但是，我还是很好奇训练中保存最好的模式

来源

2016-11-23 04:31:16 jingweimo

你说在培训期间保存最好的模型是什么意思？模型在训练时不会改变|：以任何方式如果你想这样做...你可以使用标志save_weights_only = False，它会在每个时代保存模型....你提醒我关于我问的一个问题： https://stackoverflow.com/questions/48139494/tensorflow-keras-modelcheckpoint-saving-model-while-training-why –

两个提示可确保您使用训练的最佳模式：

的val_acc添加到文件名

你可以创建ModelCheckpoint这样的：

checkpoint = ModelCheckpoint('my-model-{val_acc:.2f}.hdf5', monitor='val_acc', verbose=1, 
        save_best_only=True, mode='max')

这样的话，你将有多个文件，你就可以确保你p ick最好的模型。

阅读训练输出

当你看Keras而配件的输出，你会看到：

Epoch 000XX: val_acc improved from 0.8 to 0.85, saving model to my-model-0.85.hdf5

来源

2017-07-30 12:16:42 Michael

比方说，你有一组数据，你在训练上你决定只保存最佳迭代的权重。现在，如果您在查找“最佳”模型权重之前没有遍历所有数据，那么您将有效地丢弃数据，而后来使用所谓的最佳权重进行的评估将与您的批量评估无关。

来源

2017-08-05 16:32:29 apoyoman

keras：在评估模型中加载保存的模型权重

回答

的val_acc添加到文件名

阅读训练输出

相关问题