主页 / 问题 / 1093093
Accepted
USERNAME GOES HERE
Asked:2020-03-11 01:16:07 +0000 UTC2020-03-11 01:16:07 +0000 UTC

如何继续训练模型？

  • 772

假设我这样训练模型：

filename = 'model.h5'
checkpoint = ModelCheckpoint(filename, monitor='val_loss', verbose=1, save_best_only=True, mode='min')
model.fit(trainX, trainY, epochs = 100, batch_size=256, validation_data=(testX, testY), callbacks=[checkpoint])

它保存在 model.h5 中。

我怎样才能重新开始训练她，但保留上次的进度？

也就是说，要：

model.fit(trainX, trainY, epochs = 100, batch_size=256, validation_data=(testX, testY), callbacks=[checkpoint])

再次： 

model.fit(trainX, trainY, epochs = 100, batch_size=256, validation_data=(testX, testY), callbacks=[checkpoint]

相当于：

model.fit(trainX, trainY, epochs = 200, batch_size=256, validation_data=(testX, testY), callbacks=[checkpoint]
python

1 个回答

  1. Best Answer

    如果您model.fit()在第一次运行完成后再次运行model.fit()，模型将继续训练。模型的当前状态，包括所有权重和属性，都存储在内存中。因此，如果 Python 重新启动，则必须首先将保存的模型加载到内存中：

    from keras.models import load_model

model = load_model('/path/to/saved_model')

    在这种情况下，最后一次保存在时间的模型状态checkpoint，即，将被加载到内存中。以最好的成绩val_loss。

    • 2

相关问题