Keras 是否需要model.save_权重？

我想知道在培训结束时是否需要

model.save_weights（）

。假设我已经有了一个检查点：

checkpoint=ModelCheckpoint（
'重量{epoch:02d}-{val_损失：.2f}.h5'，
监视器=“val_损失”，
详细=0，
save_best_only=True，
仅保存权重=真，
mode='min'，
周期=1）

---

应已将重量保存在单独的

h5

文件中。是否仍需要

model.save_weights（）

？

您可以在每个训练时段后使用检查点保存模型权重，这将额外调用

model.save_weights（）

过时。为此，您需要设置：

save\u weights\u only=True

，因为您只想保存权重

period=1

，保存每个历元后的权重

save\u best\u only=False

，因为否则，如果作为

monitor

参数给出的度量没有改善，则不保存模型 在

save\u best\u only=True的情况下

您可能无法保存最终权重，因此如果您对它们感兴趣，您需要在培训后显式调用

model.save\u weights（）

---

请注意，实际保存的内容还取决于您对第一个参数的输入，

filepath

：

• 一个修复文件路径，例如

  'weights.h5'

  ，会导致一个单个保存的权重文件
  • 如果

    save\u best\u only=False

    则在每个历元后，它将被当前权重覆盖
  • 如果

    save\u best\u only=True

    并且监视的度量值变得更好，则权重文件将被覆盖，否则不会发生任何事情
• 如示例中的

  'weights.{epoch:02d}-{val_loss:.2f}.h5'

  格式的文件路径可能导致多个保存的权重文件
  • 如果

    save\u best\u only=False

    您将获得每个历元的文件
  • 如果

    save\u best\u only=True

    您将获得每个历元的一个文件，其中监视的度量值比所有以前历元中监视的最佳值有所改进。但是，以前保存的文件不会被覆盖，因为它们的文件名与当前文件名不同