Python 有没有办法在tf.keras中的指定时间保存模型？

使用tf.keras.callbacks，我只能通过选择一个要监视的属性（通常是验证精度）来自动保存最佳模型，但有时，我需要根据验证和训练精度的比较来保存它。我该怎么做

tf.keras.history文件是否记录每个历元的模型权重？如果是这样，如何通过指定所需的历元从历史文件中保存模型？这是另一种可能的解决办法

---

这就是我遇到的情况：有时，我的验证准确率在早期非常高（我想纯粹是偶然的），而我的训练准确率仍然远远低于它。该纪元最终成为自动保存的模型。这是一个蹩脚的模型，因为它的训练精度差，但它是一个被保存，因为它的高验证精度。如果它保存在一个培训和验证精度满足要求的地方，它将是一个非常好的模型。因此，在每一个阶段，我都会比较训练准确度和验证准确度，从两者中选择最低的一个，并在此基础上决定我的最佳模型。有什么建议吗？

在

---

您可以为每个历元保存模型，并在文件名中包含精度/val精度（或随后检查历史对象）。

您可以实现如下自定义回调：

class CustomModelCheckpoint(tf.keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs=None):
        # logs is a dictionary
        print(f"epoch: {epoch}, train_acc: {logs['acc']}, valid_acc: {logs['val_acc']}")
        if logs['val_acc'] > logs['acc']: # your custom condition
            self.model.save('model.h5', overwrite=True)

cbk = CustomModelCheckpoint()
model.fit(....callbacks=[cbk]...)

---

正是我要找的！非常感谢。