在restore_best_weights中使用chekpoints时，KerasCheck指针是否保存最佳权重？

Question

我正在使用tensorflow后端在Keras中训练一个序列模型。我还包括了一些回调，以保存检查点，并在模型开始过度匹配时恢复到最佳权重(它会这样做)。

我的问题--当使用这组回调进行拟合时，最终的检查点是否包含具有最佳权重的模型版本？我知道classif_model中的权重将恢复，但我不确定这是否也适用于最终保存的状态。

from keras import callbacks as kc

classif_model = my_model(input_shape)

# Set up callbacks
checkpointer = kc.ModelCheckpoint(filepath='results/'+name+'.h5', verbose=0)
earlystopping = kc.EarlyStopping(monitor='val_loss', patience=patience, restore_best_weights = True)
callbacks = [checkpointer, earlystopping]

# train the model
hist = classif_model.fit(x = X_tr, y = Y_tr, epochs = epochs, batch_size = batch_size, 
                         callbacks = callbacks, validation_data = (X_val, Y_val), 
                         verbose = 0)

Answer 1

如果在检查点回调定义中设置save_best_only标志，它将：

ModelCheckpoint(filepath, monitor='val_loss', save_best_only=True)

来自文档：

save_best_only:如果是save_best_only=True，根据所监控的数量，最新的最佳型号不会被覆盖。