Несмотря на то, что существует множество способов разработки схемы обучения для вашей модели, типичное описание может выглядеть следующим образом:
- Обучение вашей модели с использованием данных обучения
- Использование набора проверки в конце каждого цикла обучения или эпохи
- Проверьте работоспособность вашей модели, используя набор тестов
Обратите внимание, что модель никогда не увидит набор тестов, пока не пройдут этап обучения и проверки. Википедия имеет статью, посвященную этой теме c.
В этот момент вы сохраняете свою модель полностью на ваше усмотрение. Фактически, вы можете заставить Keras или TensorFlow сохранять модель с регулярными интервалами в течение цикла обучения, используя определенные обратные вызовы . Короче говоря, не существует практического правила относительно того, когда вы должны сохранить свою модель - это действительно зависит от вашей цели. Но, насколько я могу судить из вашего описания, все кажется правильным: вы обучили свою модель, сохранили ее и загрузили в отдельную записную книжку Jupyter, чтобы протестировать ее.
Просто отметьте, что вы могли протестировать модель в том же ноутбуке, который создали, и протестировать исходную модель. Вы также можете продолжить обучение загруженной модели на новом ноутбуке, если у вас есть sh.