Tak som sa chcete použiť tf.keras.volania.ModelCheckpoint v Keras Tuner, ale tak, ako si vybrať cestu, kde chcete uložiť kontrolné body, nie je možné uložiť ako súbor s určitým meno, názov, ktorý chcete priradiť k súdu a popravy, že checkpoint, len spojené do doby.
To znamená, že ak jednoducho som to dať žiadosť o spätný hovor v Keras Tuner, v okamihu, kontrolných uložiť stane, na konci, nebudem vedieť, ako sa spájať kontrolné body uložené súdneho konania a konania exekúcie, len do doby.
Môžete použiť tf.keras.callbacks.ModelCheckpoint pre Keras tuner rovnakým spôsobom, ako sa používa v iných model uložiť kontrolných bodov.
Po tréningu modelu s hyperparameters získané z vyhľadávania podľa tohto modelu, môžete definovať model kontrolné body a uložiť ju, ako je to uvedené nižšie:
hypermodel = tuner.hypermodel.build(best_hps)
# Retrain the model
hypermodel.fit(img_train, label_train, epochs=best_epoch, validation_split=0.2)
import os
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)
history = hypermodel.fit(img_train, label_train, epochs=5, validation_split=0.2, callbacks=[cp_callback])
os.listdir(checkpoint_dir)
# Re-evaluate the model
loss, acc = hypermodel.evaluate(img_test, label_test, verbose=2)
print("Restored model, accuracy: {:5.2f}%".format(100 * acc))
# Loads the weights
hypermodel.load_weights(checkpoint_path)
# Re-evaluate the model
loss, acc = hypermodel.evaluate(img_test, label_test, verbose=2)
print("Restored model, accuracy: {:5.2f}%".format(100 * acc))
Prosím, pozri tento odkaz pre viac inofrmation na save a load model kontrolných bodov.