训练结束后，是否有方法可以从特定轮次或模型检查点文件中重新加载最佳权重，这些检查点文件是由ModelCheckpoint创建的？
我已经训练了一个模型，进行了10个轮次，并且创建了一个检查点，仅在每个轮次后保存权重。最后一个轮次的val_categorical_accuracy比第5个轮次稍低。我知道我本应该设置save_best_only=True，但我遗漏了这一点。
- 那么现在，有没有办法获取最佳轮次或第5个轮次的权重？
- 此外，
ModelCheckpoint是否会在检查点文件中覆盖每个轮次后的权重？
我有什么选择？提前感谢你的帮助。
以下是我的实现：
checkpoint_path = 'saved_model/cp.ckpt'checkpoint_dir = os.path.dirname(checkpoint_path)print(checkpoint_dir)lstm_model.fit(X_train_seq_pad, y_train_cat, epochs=100, validation_data=(X_val_seq_pad, y_val_cat), callbacks=[callbacks.EarlyStopping(monitor='val_loss', patience=3), callbacks.ModelCheckpoint(filepath=checkpoint_path, save_weights_only=True, verbose=1)])回答：
如果filepath不包含像{epoch}这样的格式化选项，那么filepath将会被每个新的更好的模型覆盖。在你的情况下，这就是为什么你无法获取特定轮次（例如第5轮）的权重。
然而，你的选择是在训练时在ModelCheckpoint回调中选择格式化选项。比如：
tf.keras.callbacks.ModelCheckpoint( filepath='model.{epoch:02d}-{val_loss:.4f}.h5', save_freq='epoch', verbose=1, monitor='val_loss', save_weights_only=True, save_best_only=False ) 这将在每个轮次以不同的但方便的方式保存模型权重（以.h5格式）。此外，如果我们将save_best_only设置为True，它将以相同的方式保存最佳权重。
代码示例
这里有一个端到端的工作示例供参考。我们将以一种方便的方式在每个轮次保存模型权重，并定义filepath参数的格式化选项如下：
img = tf.random.normal([20, 32], 0, 1, tf.float32)tar = np.random.randint(2, size=(20, 1))model = tf.keras.Sequential()model.add(tf.keras.layers.Dense(10, input_dim = 32, activation= 'relu'))model.add(tf.keras.layers.Dense(1, activation='sigmoid'))callback_list = [ tf.keras.callbacks.ModelCheckpoint( filepath='model.{epoch:02d}-{val_loss:.4f}.h5', save_freq='epoch', verbose=1, monitor='val_loss', save_weights_only=True, save_best_only=False ) ]model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])model.fit(img, tar, epochs=5, verbose=2, validation_split=0.2, callbacks=callback_list)它将在每个轮次保存模型权重。我会在本地磁盘上找到每个权重文件。
# model.epoch_number_score.h5model.01-0.8022.h5model.02-0.8014.h5model.03-0.8005.h5model.04-0.7997.h5model.05-0.7989.h5然而，请注意，我使用了save_best_only = False，但如果我们将其设置为True，你将只能以相同的方式获取最佳权重。像这样：
# model.epoch_number_score.h5model.01-0.8022.h5model.03-0.8005.h5model.05-0.7989.h5