DL(5) - ModelCheckPoint 和 EarlyStopping 详解(你不知道的细节)

---

ModelCheckPoint

• API：tf.keras.callbacks.ModelCheckpoin

• 作用：按固定间隔，存储模型，默认是每个epoch存储一次模型。

主要参数：

参数名	含义
filepath	字符串，模型储存路径，可以是格式化的字符串。eg：filepath = ’ ./ model_{epoch:02d}-{val_acc:.2f}.h5’，则每次储存时都会将epoch及对应val_acc填入路径作为模型名称。
monitor	用于监控模型训练的指标，eg：val_acc、val_loss。
verbose	显示信息详细程度。0为不显示，1为显示储存信息。
save_best_only	若为True，到固定间隔时，监测值有改进才会保存模型，否则每次固定间隔都会保存一次模型。
save_weights_only	若为True，只保存模型权重，否则将保存整个模型（包括模型结构，配置信息等）
save_freq	若为‘epoch’表示：每个epoch存一次模型，若为整数表示：每训练此整数个样本存一次模型。默认：“epoch” 。
mode	｛’auto’，‘min’，’max’｝中一种，在save_best_only=True时决定最佳模型的评判准则，eg：当monitor为val_acc时选择max、当monitor为val_loss时选择min、auto值将根据monitor的名字自动推断。

EarlyStopping

• API：tf.keras.callbacks.EarlyStopping

• 作用：根据监控指标，当模型训练在指定epoch次都没有提升的情况下，提前停止训练。

主要参数：

参数名	含义
monitor	用于监控模型训练的指标，eg：val_acc、val_loss。
min_delta	监控值提升的最小变化量，当小于此值时视为没有提升。默认：0
verbose	显示信息详细程度。0为不显示，1为显示信息。
patience	指定忍受模型没有改善的epoch次数。
mode	｛’auto’，‘min’，’max’｝中一种，选择min时将监控monitor不再减少则停止，选择max时将监控monitor不在增加则停止、auto值将根据monitor的名字自动推断。
restore_best_weights	若为True，将会取整个训练过程中最佳监控值的epoch训练结果作为最终模型权值，否则将以最后一次epoch的结果作为最终模型权值。

Tips：

• ModelCheckPoint当filepath不采用格式化字符串时，仅存一个模型档，每次存储都会覆盖上一次存储的模型。因此若save_best_only为False，最终存储的一个模型将是最后一次epoch的结果，若为True将是最佳epoch的结果。若采用格式化字符串，将会按存储顺序存多个模型档。
• ModelCheckPoint 的 save_best_only 控制存储的模型是否保留最佳参数。
• EarlyStopping 的 restore_best_weights 控制模型训练提前结束后，接下去运行代码中的模型是否保留最佳参数。