keras - Python/Keras - 每 N 个批处理后保存模型权重

Question

我是 Python 和 Keras 新手，我已经成功构建了一个神经网络，可以在每个 Epoch 后保存权重文件。但是，我想要更大的粒度(我正在可视化时间序列中的层权重分布)，并且希望在每 N 个批处理(而不是每个时期)之后保存权重。

有人有什么建议吗？

Answer 1

您可以创建自己的回调 ( https://keras.io/callbacks/ )。像这样的东西:

from keras.callbacks import Callback

class WeightsSaver(Callback):
    def __init__(self, N):
        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 而不是提供的 batch 参数，因为后者在每个纪元从 0 处重新启动。

然后将其添加到您的健身通话中。例如，每 5 个批处理保存权重:

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