Python/Keras - 在每N批次後保存模型重量

Question

我是Python和Keras的新手，我成功構建了一個神經網絡，可以在每個Epoch後節省體重文件。但是，我希望獲得更多的粒度（我將時間序列中的圖層重量分佈可視化），並希望在每批N次後保存權重，而不是每個時期。

有沒有人有任何建議？

Answer 1

您可以創建自己的回調（https://keras.io/callbacks/）。類似：

from keras.callbacks import Callback 

class WeightsSaver(Callback): 
    def __init__(self, model, N): 
     self.model = model 
     self.N = N 
     self.batch = 0 

    def on_batch_end(self, batch, logs={}): 
     if self.batch % self.N == 0: 
      name = 'weights%08d.h5' % self.batch 
      self.model.save_weights(name) 
     self.batch += 1 

我使用self.batch，而不是在每個曆元提供，因爲稍後可重新啓動在0 batch參數。

然後將其添加到您的健康呼叫。例如，爲了每5批次節省重量：

model.fit(X_train, Y_train, callbacks=[WeightsSaver(model, 5)])