Keras，优化时保存状态的最佳方法

Question

我只是想知道，在模型优化时，保存模型状态的最佳方法是什么。我想要这样做，这样我就可以运行它一段时间，保存它，然后稍后再回来。我知道有一个函数可以保存权重，另一个函数可以将模型保存为JSON。在学习过程中，我需要同时保存模型的权重和参数。这包括动量和学习速率等参数。是否有方法将模型和权重保存在同一个文件中。我读到，使用泡菜被认为不是很好的做法。此外，模型JSON或权重中还会包含对于graident像样的动量吗？

Answer 1

您可以创建包含权重和体系结构的tar存档，以及包含model.optimizer.get_state()返回的优化器状态的泡菜文件。

Answer 2

from keras.models import load_model

model.save('my_model.h5')  # creates a HDF5 file 'my_model.h5'
del model  # deletes the existing model

# returns a compiled model
# identical to the previous one
model = load_model('my_model.h5')

您可以使用model.save(filepath)将Keras模型保存到一个包含以下内容的HDF5文件中：

• 模型的体系结构，允许重新创建模型。
• 模型的权重
• 培训配置(丢失、优化器)
• 优化器的状态，允许在您停止的地方恢复训练。

然后可以使用keras.models.load_model(filepath)恢复模型。load_model还将使用保存的培训配置来编译模型(除非模型从一开始就没有编译)。

Keras：我如何保存Keras模型？