keras - keras中的monitor有什么作用？

Question

在 Keras 中，我们使用 ModelCheckpoint 来保存我们训练好的模型。在 Keras 的一个文档中，它解释了“监视器：要监视的数量。”，但我仍然无法理解。在我们的机器学习过程中监视器的作用是什么？

keras.callbacks.callbacks.ModelCheckpoint(filepath, monitor='val_loss', verbose=0, save_best_only=False, save_weights_only=False, mode='auto', period=1)

标签： keras

Answer 1

https://keras.io/callbacks/

从 keras 文档中，我解释了 ModelCheckpoint 的参数。它用于在训练时保存你最好的模型，原因可能是在训练了几个 epoch 之后，模型可能会开始发散或表现不佳/可能会过度拟合。许多 epoch 并不总是意味着最佳性能，因此最好在训练时继续保存权重。

save_best_only：如果save_best_only=True，根据监控数量最新的最佳模型不会被覆盖。此处明确表示，模型将根据要监控的数量的值进行保存。

模式：{auto, min, max} 之一。如果 save_best_only=True，覆盖当前保存文件的决定是基于监控数量的最大化或最小化。对于 val_acc，这应该是 max，对于 val_loss，这应该是 min，等等。在自动模式下，方向是自动从被监控数量的名称中推断出来的。 模式将根据您的监控指标确定，如果是损失，则模式必须是 min，如果是准确度、f1 分数等，则模式必须是 max。（您想保存迄今为止损失最小且准确度最高的权重）

详细：详细模式，0 或 1。详细确定要打印多少关于指标的信息（0 表示不打印任何内容，1 表示将打印一些信息）

其他参数应该很容易理解。