Визуализация процесса обучения модели с учетом ModelCheckpoint

Question

Я тренирую модель Tensorflow, в которой я включаю контрольную точку для сохранения наилучшей модели (на основе val_loss).

checkpoint = ModelCheckpoint(filepath, monitor='val_rmse', verbose=2, \
                             save_best_only=True, save_weights_only=False, \
                             mode='min', save_frequency=1) 

После обучения, чтобы визуализировать процесс обучения модели в эпоху после эпохи, используя статистика хранится в r объектов. Я делаю:

plotter.plot({'Basic': history}, metric = 'loss')

Вопрос: Как мне поступить, если я хочу визуализировать процесс напряжения модели не в эпоху после эпохи, а только до тех пор, пока не будет сохранена лучшая модель. Например, если я изначально установил эпоху = 5000, но лучшая модель в эпоху = 2000, я хочу составить график только до эпох = 2000.

Спасибо

Answer 1

Из документации : filepath может содержать именованные параметры форматирования, которые будут заполнены значениями epoch и ключами в logs (передано в on_epoch_end).

Например: если filepath - это веса. {epoch: 02d} - {val_loss: .2f} .hdf5, то контрольные точки модели будут сохранены с номером epoch и потерей проверки в имени файла. например, weights.0150-0.88.hdf5

Затем вы можете проверить имя файла и график до нужного номера эпохи.