恢复Keras模型的训练

Question

我正在使用tensorflow.keras它来构建一个具有 3 个密集层的简单神经网络。我能够成功地将模型训练 9000 个时期，达到MSE0.0496的均方误差 ( )。无论恢复模型，它在大约 57 开始训练MSE。这可能表明模型权重没有成功加载，但是当从头重新开始训练过程（不加载之前保存的权重）时，MSE从大约 +9000 开始。编辑：那么这是正常问题，还是我做错了什么？为什么即使在 9000 个 epoch 之后准确度始终为 0.0？

Answer 1

这是当前已修复的错误，tensorflow-gpu-nighlybuild 2.0如此处所述。

Answer 2

您可以简单地构建模型，编译它并保留随机初始化的权重以开始训练。接下来，恢复训练：构建模型，编译它，然后重新加载保存的权重。

Answer 3

对于恢复培训，您不应该运行完整代码，只需运行以下代码：

model= load_model('model.h5')

history = model.fit(normed_train_data, train_labels, epochs=1, v 

    validation_split = 0.2, verbose=2,

    batch_size=128, callbacks=[mc])`

但是你应该编辑这个：

mc = keras.callbacks.ModelCheckpoint('weights{epoch:08d}.h5', save_weights_only=True, period=100)

进入这个：

mc = keras.callbacks.ModelCheckpoint('weights{epoch:08d}.h5', save_weights_only=False, period=100)