Deep learning 如何使用ModelCheckpoint回调加载tensorflow模型？

我已经训练了一个模型，并使用ModelCheckpoint保存权重：

checkpoint_callback = ModelCheckpoint(
    filepath = checkpoint_prefix,
    save_weights_only = True,
    save_freq = 'epoch')

在我的模特训练的晚上，停电了一段时间，我的电脑也关机了。现在我打开我的Jupyter笔记本，我想加载我的模型，而不需要从一开始就对它进行训练。我应该如何做到这一点而不重新编译它，而只是使用检查点？ 我也有tensorboard回调：

tensorboard_callback = TensorBoard(
    log_dir = 'tensorboard_logs\\'+ model_name,
    histogram_freq = 5,
    write_graph = True,
    update_freq = 'epoch')

---

由于只保存了模型的权重，因此需要重建图形，然后在其上加载上一个检查点权重

因此，您必须重新创建模型并编译它。 下一次，如果您想保存完整的模型，这样就不必在每次加载时再次编译它，请将save_weights_only设置为False。 它允许您使用keras.models.load_模型加载您的模型，然后直接进行拟合

model = Sequential()
model.add() 
...
model.compile()

然后加载您的重量：

model.load_weights(checkpoint_prefix)

然后您可以正常使用它：

model.fit( ... )

---

非常感谢你。前面我保存了这样一个模型：model\u path=model\u save\\tiny\u resnet\u tune tiny\u resnet\u tune.savemodel\u path。但是停电了几秒钟，我没能做到这一点。我只有模型中的检查点，这是我用ModelCheckpoint保存的。因为我是这个领域的新手，我有很多东西要学，像这样的问题给我带来了一些不好的时间。