Tensorflow 是否有可能恢复keras中的全局_步骤？

keras可以使用

tf.keras.models.save_model（）

保存模型，然后从

tf.keras.models.load_model（）

这是一个场景

训练一个型号

x

步骤。将权重保存到检查点文件<代码>保存\u format='tf'

从检查点文件恢复重量，训练另一个

x

步骤

在tensorflow中，第二次培训的开始全局步骤是

x+1

步骤，但在keras中，似乎重置了全局步骤

到目前为止，这种行为给我带来了两个问题。

tensorboad混乱不堪，2次训练都从第0步开始

我需要在培训期间将一些信息保存到文件中，文件名将取决于培训步骤，因此我可以保存不同步骤的信息，例如：weight_1000步骤、weight_2000步骤等。但由于如果我开始新的培训，步骤将重新启动，因此一些旧文件将被覆盖

---

如何从keras中的模型文件恢复训练步骤/历元？（

tf.\uu版本为“2.3.1”

）

在Keras中，优化器跟踪迭代本身，并将其迭代计数器保存在检查点中。它以

model.optimizer.iterations

的形式提供

您可以从中计算相应的历元数，并使用的参数

init_epoch

调整tensorboard的历元数

我还没有找到一种记录在案的方法来调整tensorboard的步数，但至少对于当前的tensorflow（2.4），可以通过改变模型的（内部！）字段\u train \u计数器，并在

回调

参数中传递：

类UseOptimizerIterationAsTrainStep（tf.keras.callbacks.Callback）：
def set_型号（自身，型号）：
self.model=model
列车上的def开始（自身，日志=无）：
self.model.\u train\u counter.assign（self.model.optimizer.iterations）

当然，这可能会在未来的tensorflow版本中再次中断