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

Deep learning 如何使用ModelCheckpoint回调加载tensorflow模型?,deep-learning,callback,conv-neural-network,tensorflow2.0,tf.keras,Deep Learning,Callback,Conv Neural Network,Tensorflow2.0,Tf.keras,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

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。