如何保存模型权重以便以后使用？

Question

我正在使用Mask RCNN训练一个模型；它在每个时期后将模型保存为mask_rcnn_building_cfg_0001.h5 (数字对应时期编号)。我使用预先训练好的权重进行转移学习，效果很好。但现在我想使用我自己训练的模型来进一步训练，因为它更优化。在代码库中，有这一部分：

        callbacks = [
        keras.callbacks.TensorBoard(log_dir=self.log_dir,
                                    histogram_freq=0, write_graph=True, write_images=False),
        keras.callbacks.ModelCheckpoint(self.checkpoint_path,
                                        verbose=0, save_weights_only=True),
    ]

所以通常我必须能够调用model.load_weights('mask_rcnn_building_cfg_0001.h5', by_name=True, exclude=["mrcnn_class_logits", "mrcnn_bbox_fc", "mrcnn_bbox", "mrcnn_mask"])

并使用保存的模型恢复训练，但训练不开始。但是，相同的load_weights()函数适用于从互联网下载的预训练模型，并且模型继续训练。

现在，我应该如何设置模型参数，以便在每个时期之后保存权重，以便在进一步的训练中用作预先训练的权重？我最好的猜测是我必须以某种方式从mask_rcnn_building_cfg_0001.h5中排除输出层，但不确定hw是否能做到这一点。

Answer 1

checkpoint_path = "training_1/cp.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)

# Create a callback that saves the model's weights
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path,
                                                 save_weights_only=True,
                                                 verbose=1)

# Loads the weights
model.load_weights(checkpoint_path)

有关保存和加载模型的完整指南，请参阅Tensorflow文档。请找到here。