keras - 是否可以从特定时期继续训练？

Question

我用来适应 Keras 模型的资源管理器将访问服务器的时间限制为一次 1 天。这一天之后，我需要开始一份新工作。 Keras 是否可以在纪元 K 保存当前模型，然后加载该模型以继续训练纪元 K+1(即，使用新工作)？

Answer 1

您可以通过指定回调在每个 epoch 后保存权重:

weight_save_callback = ModelCheckpoint('/path/to/weights.{epoch:02d}-{val_loss:.2f}.hdf5', monitor='val_loss', verbose=0, save_best_only=False, mode='auto')
model.fit(X_train,y_train,batch_size=batch_size,nb_epoch=nb_epoch,callbacks=[weight_save_callback])

这将在每个 epoch 之后保存权重。然后你可以加载它们:

model = Sequential()
model.add(...)
model.load('path/to/weights.hf5')

当然，您的模型在两种情况下都需要相同。