Python 在特定时期保存Keras模型

我正在使用Keras对我的数据集进行一些训练，每次都要保持运行以找到获得最佳结果所需的历元数是非常耗时的。我尝试使用回调来获得最佳模型，但它不起作用，而且通常停止得太早。而且，每N个时代保存一次对我来说也不是一个选择

我试图做的是在一些特定的时代结束后保存模型。例如，在

epoch=150

结束后，它将保存为

model.save（model_1.h5）

，在

epoch=152

结束后，它将保存为

model.save（model_2.h5）

等。。。对于一些特定的时代

有没有办法在Keras中实现这一点？我已经在寻找一种方法，但到目前为止运气不好

谢谢您的帮助/建议。

编辑 在大多数情况下，在回答中使用@Toan Tran建议的名称格式就足够了

但是如果您需要一些复杂的逻辑，您可以使用，例如

import keras

class CustomSaver(keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs={}):
        if epoch == 2:  # or save after some epoch, each k-th epoch etc.
            self.model.save("model_{}.hd5".format(epoch))

在每个历元结束时调用on_epoch_end

epoch

是一些epoch，后一个参数是日志（您可以在文档中阅读其他回调方法）。将逻辑放入此方法中（在示例中，它尽可能简单）

创建saver对象并将其放入

fit

方法：

import keras
import numpy as np

inp = keras.layers.Input(shape=(10,))
dense = keras.layers.Dense(10, activation='relu')(inp)
out = keras.layers.Dense(1, activation='sigmoid')(dense)
model = keras.models.Model(inp, out)
model.compile(optimizer="adam", loss="binary_crossentropy",)

# Just a noise data for fast working example
X = np.random.normal(0, 1, (1000, 10))
y = np.random.randint(0, 2, 1000)

# create and use callback:
saver = CustomSaver()
model.fit(X, y, callbacks=[saver], epochs=5)

在

bash

中：

!ls
Out:
model_2.hd5                     

所以，它起作用了

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

你们试过检查站吗

period=5

表示模型在5个历元后保存

更多细节

---

希望能帮上忙：）

谢谢你的建议，但我不能保存每一个k时代。我的磁盘可能在它到达新纪元之前就用完了。我很感兴趣，谢谢你，先生！！这个解决方案似乎运作良好。