我正在使用权重和偏差 (link) 来管理超参数优化并记录结果。我正在使用带有 Tensorflow 后端的 Keras 进行训练,我正在使用 Weights & Biases 的开箱即用的日志记录功能,我在其中运行
wandb.init(project='project_name', entity='username', config=config)
然后将 WandbCallback()
添加到 classifier.fit()
的回调中。默认情况下,Weights & Biases 似乎会保存模型参数(即模型的权重和偏差)并将它们存储在云端。这耗尽了我帐户的存储配额,这是不必要的——我只关心跟踪模型损失/准确性作为超参数的函数。
我是否可以训练模型并使用权重和偏差记录损失和准确性,但不将模型参数存储在云端?我该怎么做?
最佳答案
为了在超参数优化期间不保存训练好的模型权重,您可以这样做:
classifier.fit(..., callbacks=[WandbCallback(.., save_model=False)]
这只会跟踪指标(训练/验证损失/acc 等)。
关于python - 如何防止权重和偏差保存最佳模型参数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72001154/