python - 模型有多个输出时的ModelCheckpoint监控值

Question

我的模型有两个输出，我想监控一个以保存我的模型。 下面是我的代码的一部分。 TensorFlow的版本是2.0

model = MobileNetBaseModel()()
model.compile(optimizer=tf.keras.optimizers.Adam(),
              metrics={"pitch_yaw_roll": "mae"},
              loss={"pitch_yaw_roll": compute_mse_loss, # or "mse"
                    "total_logits": compute_cross_entropy_loss(num_classes=num_classes)},
              loss_weights= {"pitch_yaw_roll":mse_weight, "total_logits":cross_entropy_weight})
file_path = os.path.join(checkpoint_path, "model.{epoch:2d}-{val_loss:.2f}.h5")
tf.keras.callbacks.ModelCheckpoint(filepath=file_path,
                                   monitor="val_loss",
                                   verbose=1,
                                   save_freq=save_freq,
                                   save_best_only=True)

ModelCheckpoint回调中默认的monitor='val_loss'，如何选择我需要的？我想监控 {"pitch_yaw_roll": "mae"}。

Answer 1

如果您希望 ModelCheckpoint 根据另一个指标值保存，请在 .compile(metrics={...}, ...) 指标字典。

因此，例如，如果您只想保存最好的 "pitch_yaw_roll" epoch 结果(最好是最小值)，您应该使用

tf.keras.callbacks.ModelCheckpoint(filepath=file_path,
                                   monitor="val_pitch_yaw_roll",
                                   verbose=1,
                                   mode="min",
                                   save_freq=save_freq,
                                   save_best_only=True)

如果您选择 "pitch_yaw_roll" 而不是 "val_pitch_yaw_roll" 它将根据训练损失而不是根据验证损失进行保存