张量流检查点消息与训练指标不匹配

Question

我用checkpoint = tf.keras.callbacks.ModelCheckpoint(filepath=ckpt_path, save_best_only=True, monitor='val_auc', verbose=1) 设置了检查点回调。当我查看我的训练日志时，它似乎不匹配。

：Epoch 00004: val_auc improved from 0.96440 to 0.96298, saving model to xxxxxxx
py log：2878/2878 - 352s - loss: 0.2071 - tp: 1207371.0000 - fp: 66819.0000 - tn: 1484009.0000 - fn: 187884.0000 - accuracy: 0.9135 - precision: 0.9476 - recall: 0.8653 - auc: 0.9698 - pr: 0.9731 - val_loss: 0.2388 - val_tp: 338551.0000 - val_fp: 5482.0000 - val_tn: 76038.0000 - val_fn: 49446.0000 - val_accuracy: 0.8830 - val_precision: 0.9841 - val_recall: 0.8726 - val_auc: 0.9630 - val_pr: 0.9921

为什么val_auc 从一个更大的改进为更小的一个，以及为什么它在下面一行中是0.96298 而不是0.9630。

Answer 1

您需要将mode 参数设置为max 以每次保存最大val_auc。

checkpoint = tf.keras.callbacks.ModelCheckpoint(filepath=ckpt_path, mode="max", save_best_only=True, monitor='val_auc', verbose=1)

参数mode 的文档解释了这一点：

模式：{'auto'、'min'、'max'} 之一。如果save_best_only=True，则 覆盖当前保存文件的决定是基于 监控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 在auto 模式下，如果数量设置为max 监控为“acc”或以“fmeasure”开头，并设置为min 其余数量。

由于默认值为auto，并且您正在监控val_auc而不是acc或以fmeasure开头的任何内容，因此将其设置为min。

日志中的 val_auc 被四舍五入到小数点后 4 位，这就是为什么您将其视为 0.9630 而不是 0.96298。