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')
<<: [Day14] JavaScript - 函式引数 Arguments
>>: Day14 测试写起乃-request vs controller test
自从系列文的第二篇开始把自己的程序经历写下来後,截至目前为止已经写了十余篇。但因为撰文的顺序没有特别...
你曾经被有家里的网路设备介面与功能雷到吗?你讨厌路由器原生不亲民的页面吗?你想要更多功能可是预算却有...
昨天成功地取得了vector agent搜集的metric和logger,在使用上因为metric算...
摘要 作业流程 获得各模型800字机率表 安装R与RStudio 内容 作业流程(今日进度为1.1~...
想在大学前就开始接触程序有很多方式。不论是学校中资讯教育的课程、参与各种线上论坛/年会、甚至参与校内...