Python model.save（）在Keras中实际保存了什么？

我有一个Keras模型，我用100个时代训练了这个模型

现在，我在第85纪元时损失了0.0085，在后一纪元时损失了0.0092

我的问题是,

Keras中的model.save（）保存了什么

是否保存从lat epoch（即100）获得的权重

或者它保存了来自最佳纪元（即纪元85）的权重

或者所有100个时代的平均或平均重量

keras model.save（）设计用于在完成100个历元后保存权重的是什么

感谢您提前解释：）。

模型.save（）保存整个体系结构、权重和优化器状态。此命令保存重建模型所需的详细信息

该命令将保存：

• 模型的架构，允许重新创建模型
• 模型的权重
• 培训配置（损失、优化器）
• 优化器的状态，允许在您停止的位置恢复培训

因此，您可以使用

keras.models.load\u model（filepath）

重新实例化您的模型<代码>加载模型还将使用保存的培训配置编译模型

请参见示例：

从keras.models导入负载模型
model.save（'my_model.h5'）#创建一个HDF5文件'my_model.h5'
del model#删除现有模型
#返回已编译的模型
#与前一个相同
模型=负载模型（'my\u model.h5'）

来源：

模型.save（）将保存有关NN的许多详细信息。最重要的细节是

网络架构包括维度（输入/输出层、隐藏层等）

每个层中每个隐藏单元的权重矩阵和激活函数。 还有许多其他细节，我们可能不需要在这里概述 回到问题的第二部分，当我们保存经过训练的模型时，它将保存最后一个历元后的损失值。这意味着，最终值将比上一个历元的值小或多，具体取决于您指定的历元数以及您从

过度拟合中获得的接近程度

此外，《代码》Keras

的创建者弗朗索瓦·乔利特（Francois Chollet）认为，纪元的数量没有被保存，在大多数情况下也没有意义

这是正确的，除非您激活

回调

选项，该选项在一定次数（您称之为最佳迭代）后打开网络训练的提前停止。看

我的问题是，model.save（）保存了什么，“它保存了权重吗？” 它来自lat epoch（即100）“或”它从 最佳历元（即历元85）“或”所有100个历元的平均或平均权重 时代

所有保存的内容（权重、优化器状态等）已在其他答案中提到。在您的情况下，将保存100个纪元结束时模型的权重

如果希望保存最佳模型（损失最少），则需要创建一个

ModelCheckPoint

回调对象，并通过

callbacks

参数将其传递给

fit（）

方法

它可以减轻重量

对

为了保存最佳纪元的权重，请使用我下面给出的代码块

没有

keras model.save（）设计用于在完成100个历元后保存权重的是什么？。是的，确实如此，但请看一下下面的代码，它只保存了最好时期的权重

使用这段代码可以：

仅保存最佳纪元的权重

仅当给定标准得到改进（val_损失最小）时，才在每个历元后更新权重

此外，每个历元之后的历史记录将保存在.csv文件中

代码

---

链接：

在EarlyStopping patience=10中。这是什么意思？。例如，这意味着从20年开始，直到30年前，该模型不会减少损失。保存第30纪元或第20纪元的权重。

import pandas as pd
from keras.callbacks import EarlyStopping, ModelCheckpoint

#Stop when val_loss is not decreasing
earlyStopping = EarlyStopping(monitor='val_loss', patience=10, verbose=0, mode='min')

#Save the model after every epoch.
checkpointer = ModelCheckpoint(filepath='Model_1_weights.h5', verbose=1, save_best_only=True)

#history variable will save training progress after each epoch 
history = model.fit(X_train, y_train, batch_size=20, epochs=40, validation_data=(X_valid, y_valid), shuffle=True, callbacks=[checkpointer, earlyStopping])
#Save progress of each epoch in .csv file 
hist_df = pd.DataFrame(history.history) 
hist_csv_file = 'History_Model_1.csv'
with open(hist_csv_file, mode='w') as f:
    hist_df.to_csv(f)