備份與還原
BackupAndRestore 類別
keras.callbacks.BackupAndRestore(
backup_dir, save_freq="epoch", double_checkpoint=False, delete_checkpoint=True
)
用於備份和還原訓練狀態的回呼。
BackupAndRestore 回呼旨在從 Model.fit 執行過程中發生的中斷中恢復訓練，方法是在每個 epoch 結束時將訓練狀態備份到臨時檢查點檔案中。每次備份都會覆蓋先前寫入的檢查點檔案，因此在任何給定時間，最多只有一個用於備份/還原目的的檢查點檔案。
如果在完成之前重新開始訓練，訓練狀態（包括 Model 權重和 epoch 號碼）將在新的 Model.fit 執行開始時還原到最近儲存的狀態。在 Model.fit 執行完成時，臨時檢查點檔案將被刪除。
請注意，使用者有責任在中斷後重新啟動作業。此回呼對於容錯目的的備份和還原機制非常重要，並且預期從先前檢查點還原的模型與用於備份的模型相同。如果使用者變更傳遞給編譯或擬合的引數，則為容錯目的儲存的檢查點可能會失效。
範例
>>> class InterruptingCallback(keras.callbacks.Callback):
... def on_epoch_begin(self, epoch, logs=None):
... if epoch == 4:
... raise RuntimeError('Interrupting!')
>>> callback = keras.callbacks.BackupAndRestore(backup_dir="/tmp/backup")
>>> model = keras.models.Sequential([keras.layers.Dense(10)])
>>> model.compile(keras.optimizers.SGD(), loss='mse')
>>> model.build(input_shape=(None, 20))
>>> try:
... model.fit(np.arange(100).reshape(5, 20), np.zeros(5), epochs=10,
... batch_size=1, callbacks=[callback, InterruptingCallback()],
... verbose=0)
... except:
... pass
>>> history = model.fit(np.arange(100).reshape(5, 20), np.zeros(5),
... epochs=10, batch_size=1, callbacks=[callback],
... verbose=0)
>>> # Only 6 more epochs are run, since first training got interrupted at
>>> # zero-indexed epoch 4, second training will continue from 4 to 9.
>>> len(history.history['loss'])
>>> 6
引數
- backup_dir：字串，儲存還原模型所需資料的目錄路徑。該目錄不能被其他地方重複使用來儲存其他檔案，例如，由另一個訓練執行的
BackupAndRestore回呼，或由相同訓練執行的另一個回呼（例如ModelCheckpoint）。 - save_freq：
"epoch"、整數或False。當設定為"epoch"時，回呼會在每個 epoch 結束時儲存檢查點。當設定為整數時，回呼會每save_freq批次儲存檢查點。僅當使用搶佔式檢查點時（即使用save_before_preemption=True時），才將save_freq=False設定。 - double_checkpoint：布林值。如果啟用，
BackupAndRestore回呼將儲存最後 2 個訓練狀態（目前和先前）。如果由於 IO 錯誤（例如，檔案損壞）而無法載入目前狀態，則中斷後會嘗試還原先前的狀態。這種行為會在磁碟上消耗兩倍的空間，但會提高容錯能力。預設值為False。 - delete_checkpoint：布林值。此
BackupAndRestore回呼透過儲存檢查點來備份訓練狀態。如果delete_checkpoint=True，則在訓練完成後將刪除檢查點。如果您希望保留檢查點以供將來使用，請使用False。預設值為True。