第T4周 本文为365天深度学习训练营 中的学习记录博客 原作者K同学啊编译器jupyterlab一、前期准备1. 数据导入2. 数据查看二、数据预处理1. 加载数据2. 可视化数据3. 再次检查数据4. 配置数据集三、构建CNN神经网路输出四、编译五、训练模型六、模型评估1. LossAccuracy图2. 指定图片进行预测五、总结ModelCheckpoint 回调函数能够在训练过程中自动保存模型当模型性能达到预设条件时将当前模型权重或完整模型保存到指定位置从而避免人工判断最佳 Epoch也降低因程序中断而导致训练成果丢失的风险。回调函数回调函数可以理解为训练过程中的“监听器”。当模型执行 model.fit() 时每完成一个 batch 或一个 EpochTensorFlow 都会自动调用已经注册的回调函数让开发者能够在训练过程中执行额外的操作例如记录日志、动态调整学习率、提前停止训练以及保存模型等。checkpointtf.keras.callbacks.ModelCheckpoint(filepath,monitor,save_best_onlyTrue)基本参数filepath用于指定模型保存的位置可以是相对路径也可以是绝对路径。monitor: 表示需要监测的指标。monitor“val_accuracy”表示监测验证集准确率monitor“val_loss”表示监测验证集损失函数。save_best_only:只有当前模型优于历史最佳模型时才进行保存。