我想针对X个时期训练我的模型，并以最小的验证错误获得最佳结果。
我发现的解决方案是使用ModelCheckpoint回调，如果当前纪元的结果更好，则可以将其配置为覆盖模型保存。
但是，在最坏的情况下，这意味着在每个时期都将模型写入硬盘驱动器，这会产生巨大的时间开销。
是否可以将模型保存到变量中，所以我只需要保存一次？还是我可以做另一种优化？
参考方案
根据save_model的文档字符串，路径也可以是h5py.File对象，并且h5py文档中有an example of in-memory files。
我正在使用keras构建DQN，并使用具有经验重播记忆的经典DQN算法对其进行训练。由于在dqn中需要多次调用model.fit，这意味着每次从重播内存中采样批数据时，使用keras的model.fit( .... callbacks=TensorBoard(...))时，每次拟合都会生成新的事件日志文件。它会产生两个问题，首先，它会生成过于笨拙的事件日志文…
如何在模型内部冻结模型的特定层？ - python我的keras模型由多个模型组成。每个“子模型”都有多个层次。如何在“子模型”中调出图层并设置可训练性/冻结特定图层？ python参考方案 我将使用Keras中的VGG19卷积神经网络的示例，尽管它适用于任何神经网络体系结构：from keras.applications.vgg19 import VGG19 model = VGG19(weights=&…
keras中的自定义RMSPE损失函数 - python我正在尝试在keras中定义我自己的损失函数，即均方根百分比误差。 RMSPE定义为：我已经将损失函数定义为：from keras import backend as K def rmspe(y_true, y_pred): sum = K.sqrt(K.mean(K.square( (y_true - y_pred) / K.clip(K.abs(y_tr…
如何保持Keras模型加载到内存中并在需要时使用它？ - python我正在阅读Keras blog讲解如何使用Flask创建简单的图像分类器Restful API。我想知道如何在不使用python的其他Web框架中实现加载模型的相同方法。在下面的代码中，将在服务器启动之前将模型加载到内存中，直到服务器处于活动状态，它才会运行：# if this is the main thread of execution first lo…
Python GPU资源利用 - python我有一个Python脚本在某些深度学习模型上运行推理。有什么办法可以找出GPU资源的利用率水平？例如，使用着色器，float16乘法器等。我似乎在网上找不到太多有关这些GPU资源的文档。谢谢！ 参考方案 您可以尝试在像Renderdoc这样的GPU分析器中运行pyxthon应用程序。它将分析您的跑步情况。您将能够获得有关已使用资源，已用缓冲区，不同渲染状态上…