https://cloud.tencent.com/developer/article/1010815
8.更科學地模型訓練與模型保存
filepath = 'model-ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5' checkpoint = ModelCheckpoint(filepath, monitor='val_loss', verbose=1, save_best_only=True, mode='min') # fit model model.fit(x, y, epochs=20, verbose=2, callbacks=[checkpoint], validation_data=(x, y))
save_best_only打開之后，會如下：
ETA: 3s - loss: 0.5820Epoch 00017: val_loss did not improve如果val_loss 提高了就會保存，沒有提高就不會保存。
ModelCheckpoint
keras.callbacks.ModelCheckpoint(filepath, monitor='val_loss', verbose=0, save_best_only=False, save_weights_only=False, mode='auto', period=1) 該回調函數將在每個epoch后保存模型到filepath
filepath可以是格式化的字符串，里面的占位符將會被epoch值和傳入on_epoch_end的logs關鍵字所填入
例如，filepath若為weights.{epoch:02d-{val_loss:.2f}}.hdf5，則會生成對應epoch和驗證集loss的多個文件。
參數
-
filename：字符串，保存模型的路徑
-
monitor：需要監視的值
-
verbose：信息展示模式，0或1
-
save_best_only：當設置為
True時，將只保存在驗證集上性能最好的模型 -
mode：‘auto’，‘min’，‘max’之一，在
save_best_only=True時決定性能最佳模型的評判准則，例如，當監測值為val_acc時，模式應為max，當檢測值為val_loss時，模式應為min。在auto模式下，評價准則由被監測值的名字自動推斷。 -
save_weights_only：若設置為True，則只保存模型權重，否則將保存整個模型（包括模型結構，配置信息等）
-
period：CheckPoint之間的間隔的epoch數。
9.如何在keras中使用tensorboard
1 RUN = RUN + 1 if 'RUN' in locals() else 1 # locals() 函數會以字典類型返回當前位置的全部局部變量。 2 3 LOG_DIR = model_save_path + '/training_logs/run{}'.format(RUN) 4 LOG_FILE_PATH = LOG_DIR + '/checkpoint-{epoch:02d}-{val_loss:.4f}.hdf5' # 模型Log文件以及.h5模型文件存放地址 5 6 tensorboard = TensorBoard(log_dir=LOG_DIR, write_images=True) 7 checkpoint = ModelCheckpoint(filepath=LOG_FILE_PATH, monitor='val_loss', verbose=1, save_best_only=True) 8 early_stopping = EarlyStopping(monitor='val_loss', patience=5, verbose=1) 9 10 history = model.fit_generator(generator=gen.generate(True), steps_per_epoch=int(gen.train_batches / 4), 11 validation_data=gen.generate(False), validation_steps=int(gen.val_batches / 4), 12 epochs=EPOCHS, verbose=1, callbacks=[tensorboard, checkpoint, early_stopping])
都是在回調函數中起作用：
-
EarlyStopping patience：當early
（1）stop被激活（如發現loss相比上一個epoch訓練沒有下降），則經過patience個epoch后停止訓練。
（2）mode：‘auto’，‘min’，‘max’之一，在min模式下，如果檢測值停止下降則中止訓練。在max模式下，當檢測值不再上升則停止訓練。 -
模型檢查點ModelCheckpoint
（1）save_best_only：當設置為True時，將只保存在驗證集上性能最好的模型
（2） mode：‘auto’，‘min’，‘max’之一，在save_best_only=True時決定性能最佳模型的評判准則，例如，當監測值為val_acc時，模式應為max，當檢測值為val_loss時，模式應為min。在auto模式下，評價准則由被監測值的名字自動推斷。
（3）save_weights_only：若設置為True，則只保存模型權重，否則將保存整個模型（包括模型結構，配置信息等）
（4）period：CheckPoint之間的間隔的epoch數 - 可視化tensorboard write_images: 是否將模型權重以圖片的形式可視化
其他內容可參考keras中文文檔