tensorflow：只能在 val_acc 可用的情况下保存最佳模型，跳过答案

【问题标题】：tensorflow:Can save best model only with val_acc available, skippingtensorflow：只能在 val_acc 可用的情况下保存最佳模型，跳过
【发布时间】：2020-08-13 18:35:28
【问题描述】：

我对@987654321@ 有疑问。正如您在我的日志文件中看到的那样，警告总是出现在计算 val_acc 的最后一次迭代之前。因此，Modelcheckpoint 永远找不到val_acc

Epoch 1/30
1/8 [==>...........................] - ETA: 19s - loss: 1.4174 - accuracy: 0.3000
2/8 [======>.......................] - ETA: 8s - loss: 1.3363 - accuracy: 0.3500 
3/8 [==========>...................] - ETA: 4s - loss: 1.3994 - accuracy: 0.2667
4/8 [==============>...............] - ETA: 3s - loss: 1.3527 - accuracy: 0.3250
6/8 [=====================>........] - ETA: 1s - loss: 1.3042 - accuracy: 0.3333
WARNING:tensorflow:Can save best model only with val_acc available, skipping.
8/8 [==============================] - 4s 482ms/step - loss: 1.2846 - accuracy: 0.3375 - val_loss: 1.3512 - val_accuracy: 0.5000

Epoch 2/30
1/8 [==>...........................] - ETA: 0s - loss: 1.0098 - accuracy: 0.5000
3/8 [==========>...................] - ETA: 0s - loss: 0.8916 - accuracy: 0.5333
5/8 [=================>............] - ETA: 0s - loss: 0.9533 - accuracy: 0.5600
6/8 [=====================>........] - ETA: 0s - loss: 0.9523 - accuracy: 0.5667
7/8 [=========================>....] - ETA: 0s - loss: 0.9377 - accuracy: 0.5714
WARNING:tensorflow:Can save best model only with val_acc available, skipping.
8/8 [==============================] - 1s 98ms/step - loss: 0.9229 - accuracy: 0.5750 - val_loss: 1.2507 - val_accuracy: 0.5000

这是我训练 CNN 的代码。

callbacks = [
        TensorBoard(log_dir=r'C:\Users\reda\Desktop\logs\{}'.format(Name),
                    histogram_freq=1),
        ModelCheckpoint(filepath=r"C:\Users\reda\Desktop\checkpoints\{}".format(Name), monitor='val_acc',
                        verbose=2, save_best_only=True, mode='max')]
history = model.fit_generator(
        train_data_gen, 
        steps_per_epoch=total_train // batch_size,
        epochs=epochs,
        validation_data=val_data_gen,
        validation_steps=total_val // batch_size,
        callbacks=callbacks)

【问题讨论】：

将monitor 的值从'val_acc' 更改为'val_accuracy'。
这是用于 Tensorflow 2.x 的吗？在 tensorflow 1.x 中也有这个问题，改成 'val_accuracy' 并不能解决问题。

标签： python tensorflow machine-learning keras deep-learning

【解决方案1】：

我知道这些事情有时会令人沮丧。但 TensorFlow 要求您明确写出要计算的指标的名称

您实际上需要说“val_accuracy”

metric = 'val_accuracy'
ModelCheckpoint(filepath=r"C:\Users\reda.elhail\Desktop\checkpoints\{}".format(Name), monitor=metric,
                    verbose=2, save_best_only=True, mode='max')]

希望这会有所帮助 =)

【讨论】：

是的。谢谢！

【解决方案2】：

添加到已接受的答案中，因为我只是在为此苦苦挣扎。您不仅必须使用完整的指标名称，它还必须与您的 model.compile、ModelCheckpoint 和 EarlyStopping 匹配。我将一组设置为accuracy，另外两组设置为val_accuracy，但它不起作用。

【讨论】：

好点。就我而言，对于 ModelCheckpoint 中的“监视器”参数，我必须通过“损失”。我在编译中的损失参数是“'mean_squared_error'”，并且对于监视器参数具有相同的值，我有相同的警告。当我将其更改为 ModelCheckpoint 的“损失”时，它可以工作。

【解决方案3】：

即使在提到metric=val_accuracy 之后，我也遇到了同样的问题，但它不起作用。所以我只是把它改成了metric=val_acc，它就起作用了。

【讨论】：