Python 如何使用tf.keras.callbacks.ModelCheckpoint通过训练步骤保存模型
我的训练数据非常大,这意味着每个历元都有很多训练步骤。我想使用Python 如何使用tf.keras.callbacks.ModelCheckpoint通过训练步骤保存模型,python,tensorflow,keras,nlp,artificial-intelligence,Python,Tensorflow,Keras,Nlp,Artificial Intelligence,我的训练数据非常大,这意味着每个历元都有很多训练步骤。我想使用tf.keras.callbacks.ModelCheckpoint每隔100000步保存一个模型,并将所有这些模型保存在磁盘中,而不是在保存新模型时重写模型文件。但在阅读了文档之后,我不知道如何做到这一点。这个回调似乎是为了按历元保存模型而设计的 那么,我是否必须实现自定义回调来逐步保存模型
tf.keras.callbacks.ModelCheckpoint
每隔100000步保存一个模型,并将所有这些模型保存在磁盘中,而不是在保存新模型时重写模型文件。但在阅读了文档之后,我不知道如何做到这一点。这个回调似乎是为了按历元保存模型而设计的
那么,我是否必须实现自定义回调来逐步保存模型