IOS、Python自学心得30天 Day-11 模组训练改善-3

前言:
经过一个晚上的找资料，模组终於能继续训练，但目前还没有强制停止储存模型的方法，所以之後会再改善一下功能性

程序码:

if os.path.exists(DATASET_PATH):
    if os.path.exists(DATASET_PATH + WEIGHTS_FINAL):
        print(WEIGHTS_FINAL + "模型存在，将继续训练模型")
        # net_final.save(WEIGHTS_FINAL)
        new_net_final = load_model(WEIGHTS_FINAL)
        new_net_final.fit(train_batches,
                      steps_per_epoch = train_batches.samples // BATCH_SIZE,
                      validation_data = valid_batches,
                      validation_steps = valid_batches.samples // BATCH_SIZE,
                      epochs = NUM_EPOCHS)
        # 储存训练好的模型
        print("储存训练模型")
        new_net_final.save(WEIGHTS_FINAL)

        # 从 HDF5 档案中载入模型
        # net_final = tf.contrib.keras.models.load_model(WEIGHTS_FINAL)
        # 将参数储存至 HDF5 档案（不含模型）
        # net_final.save_weights('my_model_weights.h5')
        # 从 HDF5 档案载入参数（不含模型）
        # net_final.load_weights('my_model_weights.h5')
        
        #  net_final.load_weights(tf.train.latest_checkpoint(checkpoint_dir))
    else:
        print(WEIGHTS_FINAL + '模型不存在，将新建训练模型')
        # 训练模型
        net_final.fit(train_batches,
                      steps_per_epoch = train_batches.samples // BATCH_SIZE,
                      validation_data = valid_batches,
                      validation_steps = valid_batches.samples // BATCH_SIZE,
                      epochs = NUM_EPOCHS)
                      # callbacks = [cp_callback])
        # 储存训练好的模型
        print("储存训练模型")
        net_final.save(WEIGHTS_FINAL)
else:
    print(WEIGHTS_FINAL + '路径不存在，请确认路径')