如何防止权重偏差保存最佳模型参数

Question

我使用权重和偏差(链接)来管理超参数优化和记录结果。我正在使用带有Tensorflow后端的Keras进行培训，我使用的是随箱即用的重量和偏差日志功能，我在其中运行。

wandb.init(project='project_name', entity='username', config=config)

然后将一个WandbCallback()添加到classifier.fit()的回调中。默认情况下，权重和偏差似乎保存模型参数(即模型的权重和偏差)，并将它们存储在云中。这消耗了我帐户的存储配额，这是不必要的--我只关心跟踪模型的丢失/准确性，这是超参数的一个函数。

我是否有可能训练一个模型，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中？我该怎么做？

Answer 1

为了避免在超参数优化期间保存经过训练的模型权重，您可以这样做：

classifier.fit(..., callbacks=[WandbCallback(.., save_model=False)]

这将只跟踪指标(培训/验证损失/acc等)。