Python 在每N个纪元结束时保存模型权重

我正在训练一个神经网络，并希望每N个历元保存一个预测阶段的模型权重。我提出了这个代码草案，它的灵感来自@grovina的回应。请你提些建议好吗？ 提前谢谢

from keras.callbacks import Callback

class WeightsSaver(Callback):
    def __init__(self, model, N):
        self.model = model
        self.N = N
        self.epoch = 0

    def on_batch_end(self, epoch, logs={}):
        if self.epoch % self.N == 0:
            name = 'weights%08d.h5' % self.epoch
            self.model.save_weights(name)
        self.epoch += 1

然后将其添加到fit调用中：每5个历元保存一次重量：

model.fit(X_train, Y_train, callbacks=[WeightsSaver(model, 5)])

---

您不需要为回调传递模型。它已经可以通过超级链接访问模型。所以删除

\uuuu init\uuuu（…，model，…）

参数和

self.model=model

。您应该能够通过

self.model

访问当前模型。您还在每个批处理结束时保存它，这不是您想要的，您可能希望它在批处理结束时

但在任何情况下，你所做的事情都可以通过天真来完成。你不需要写一个自定义的。你可以这样使用它

mc = keras.callbacks.ModelCheckpoint('weights{epoch:08d}.h5', 
                                     save_weights_only=True, period=5)
model.fit(X_train, Y_train, callbacks=[mc])

您应该在\u epoch\u端实现，而不是在\u batch\u端实现。而且将模型作为
\uuuu init\uuuu
的参数传递也是多余的

from keras.callbacks import Callback
class WeightsSaver(Callback):
  def __init__(self, N):
    self.N = N
    self.epoch = 0

  def on_epoch_end(self, epoch, logs={}):
    if self.epoch % self.N == 0:
      name = 'weights%08d.h5' % self.epoch
      self.model.save_weights(name)
    self.epoch += 1

谢谢你的回复，效果很好：）这正是我想要的。谢谢@gilas_BELHADJ:）