如何使用 Keras 在 Python 中创建回调函数并保存权重？

Tensorflow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用以实现算法、深度学习应用程序等等。它用于研究和生产目的。它具有有助于快速执行复杂数学运算的优化技术。这是因为它使用了 NumPy 和多维数组。这些多维数组也称为“张量”。

可以使用以下代码行在 Windows 上安装“tensorflow”包：

pip install tensorflow

张量是 TensorFlow 中使用的数据结构。它有助于连接流图中的边。此流图称为“数据流图”。张量不过是多维数组或列表。

Keras 是作为 ONEIROS（开放式神经电子智能机器人操作系统）项目研究的一部分开发的。Keras 是一个用 Python 编写的深度学习 API。它是一个高级 API，具有一个高效的界面，有助于解决机器学习问题。它运行在 Tensorflow 框架之上。它的构建是为了帮助快速进行实验。它提供了开发和封装机器学习解决方案所必需的基本抽象和构建块。

Keras 已经存在于 Tensorflow 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 来运行以下代码。Google Colab 或 Colaboratory 帮助通过浏览器运行 Python 代码，无需任何配置，并且可以免费访问 GPU（图形处理单元）。Colaboratory 构建在 Jupyter Notebook 之上。以下是代码：

示例

print("Set checkpoint path")
checkpoint_path = "training_1/cp.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)

print("Creating a callback to save the weights")
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, save_weights_only=True, verbose=1)

print("Model is trained with new callback")
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://tensorflowcn.cn/tutorials/keras/save_and_load