如何使用Python创建Keras回调函数并保存权重？

Tensorflow是由Google提供的机器学习框架。它是一个开源框架，与Python配合使用，用于实现算法、深度学习应用等等。它被用于研究和生产目的。它具有优化技术，帮助快速执行复杂的数学运算。这是因为它使用NumPy和多维数组。这些多维数组也被称为“张量”。

可以使用以下代码行在Windows上安装“tensorflow”软件包 –

pip install tensorflow

Tensor是TensorFlow中使用的数据结构。它有助于将边缘连接在流程图中。这个流程图被称为“数据流图”。张量仅仅是多维数组或列表。

Keras是作为ONEIROS项目（开放式神经电子智能机器人操作系统）的一部分开发的。Keras是一个深度学习API，用Python编写。它是一个高级API，具有帮助解决机器学习问题的生产性接口。它运行在Tensorflow框架之上。它被构建来帮助快速实验。它提供了基本的抽象和构建块，这些对于开发和封装机器学习解决方案至关重要。

Keras已经存在于Tensorflow软件包中。可以使用以下代码行访问它。

import tensorflow
from tensorflow import keras

我们使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory可以帮助在浏览器上运行Python代码，不需要任何配置，并且可以免费访问GPU（图形处理单元）。Colaboratory基于Jupyter Notebook构建。以下是代码-

更多Python相关文章，请阅读：Python 教程

示例

print("设置检查点路径")
checkpoint_path = "training_1/cp.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)

print("创建保存权重的回调")
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath = checkpoint_path, save_weights_only = True, verbose = 1)

print("使用新回调训练模型")
model.fit(train_images,
   train_labels,
   epochs = 10,
   validation_data = (test_images, test_labels),
   callbacks=[cp_callback])
ls {checkpoint_dir}

代码来源 – https://www.tensorflow.org/tutorials/keras/save_and_load