我将运行一些较大的模型，并尝试中间结果。
因此，我尝试在每个时期之后使用检查点来保存最佳模型。
这是我的代码：
model = Sequential()
model.add(LSTM(700, input_shape=(X_modified.shape[1], X_modified.shape[2]), return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(700, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(700))
model.add(Dropout(0.2))
model.add(Dense(Y_modified.shape[1], activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
# Save the checkpoint in the /output folder
filepath = "output/text-gen-best.hdf5"
# Keep only a single checkpoint, the best over test accuracy.
checkpoint = ModelCheckpoint(filepath,
monitor='val_acc',
verbose=1,
save_best_only=True,
mode='max')
model.fit(X_modified, Y_modified, epochs=100, batch_size=50, callbacks=[checkpoint])
但是在第一个时期之后，我仍然收到警告：
/usr/local/lib/python3.6/site-packages/keras/callbacks.py:432: RuntimeWarning: Can save best model only with val_acc available, skipping.
'skipping.' % (self.monitor), RuntimeWarning)
要添加metrics=['accuracy']到模型中还存在其他SO问题（例如，在使用预训练的VGG16模型时无法节省重量）的解决方案，但此处仍然存在错误。
您正在尝试使用以下代码检查模型
# Save the checkpoint in the /output folder
filepath = "output/text-gen-best.hdf5"
# Keep only a single checkpoint, the best over test accuracy.
checkpoint = ModelCheckpoint(filepath,
monitor='val_acc',
verbose=1,
save_best_only=True,
mode='max')
ModelCheckpoint将考虑该参数monitor来决定是否保存模型。在您的代码中是val_acc。因此，如果增加，它将节省重量val_acc。
现在在您适合的代码中，
model.fit(X_modified, Y_modified, epochs=100, batch_size=50, callbacks=[checkpoint])
您尚未提供任何验证数据。ModelCheckpoint无法保存权重，因为它没有monitor要检查的参数。
为了进行检查，val_acc您必须提供一些验证数据，例如：
model.fit(X_modified, Y_modified, validation_data=(X_valid, y_valid), epochs=100, batch_size=50, callbacks=[checkpoint])
如果您不想出于任何原因使用验证数据并实施检查点，则必须ModelCheckpoint基于acc或loss类似方式更改
# Save the checkpoint in the /output folder
filepath = "output/text-gen-best.hdf5"
# Keep only a single checkpoint, the best over test accuracy.
checkpoint = ModelCheckpoint(filepath,
monitor='acc',
verbose=1,
save_best_only=True,
mode='max')
请记住，你必须改变mode到min，如果你要monitor的loss
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句