是否可以在metrics回调中使用自定义ModelCheckpoint
?
最佳答案
是的,有可能。
定义自定义指标,如文档中所述:
import keras.backend as K
def mean_pred(y_true, y_pred):
return K.mean(y_pred)
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy', mean_pred])
要检查所有可用指标:
print(model.metrics_names)
> ['loss', 'acc', 'mean_pred']
通过
ModelCheckpoint
将度量标准名称传递给monitor
。如果要在验证中计算指标,请使用val_
前缀。ModelCheckpoint(weights.{epoch:02d}-{val_mean_pred:.2f}.hdf5,
monitor='val_mean_pred',
save_best_only=True,
save_weights_only=True,
mode='max',
period=1)
不要将
mode='auto'
用于自定义指标。了解为什么here。为什么我要回答自己的问题?检查this。
关于keras - 如何在Keras中将ModelCheckpoint与自定义指标一起使用?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43782409/