केरस (Keras) में विशिष्ट एपोक अंतराल पर वेट्स सेव करना

आवधिक चेकपॉइंटिंग: हर N एपोक पर वेट्स सेव करें

ModelCheckpoint के save_freq पैरामीटर से बैच/एपोक आवृत्ति नियंत्रित करें।

कोड उदाहरण

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.callbacks import ModelCheckpoint
import os

def create_model():
    model = keras.Sequential([
        layers.Dense(64, activation='relu', input_shape=(784,)),
        layers.Dense(10, activation='softmax')
    ])
    model.compile(optimizer='adam',
                  loss='sparse_categorical_crossentropy',
                  metrics=['accuracy'])
    return model

# हर 4 एपोक पर सेव करने के लिए कॉन्फ़िगर करें
batch_size = 32
checkpoint_path = "training_2/cp-{epoch:04d}.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)
os.makedirs(checkpoint_dir, exist_ok=True)

# save_freq = 4 एपोक × बैच_साइज = 4 * 32 = 128 बैच
cp_callback = ModelCheckpoint(
    filepath=checkpoint_path,
    verbose=1,
    save_weights_only=True,
    save_freq=4 * batch_size  # हर 4 एपोक (बैच-आधारित गणना)
)

print("कॉलबैक बनाया गया: हर 4 एपोक पर वेट्स सेव करेगा")

model = create_model()

# एपोक 0 पर प्रारंभिक वेट्स सेव करें
model.save_weights(checkpoint_path.format(epoch=0))
print(f"प्रारंभिक वेट्स सेव किए गए: {checkpoint_path.format(epoch=0)}")

# प्रशिक्षण (मान लें)
# model.fit(train_images, train_labels, epochs=50, callbacks=[cp_callback])

आउटपुट

कॉलबैक बनाया गया: हर 4 एपोक पर वेट्स सेव करेगा
प्रारंभिक वेट्स सेव किए गए: training_2/cp-0000.ckpt

save_freq गणना

• save_freq='epoch' — हर एपोक के अंत में।
• save_freq=N (int) — हर N **बैच**।
• हर K एपोक के लिए: save_freq = K * batch_size।

अद्वितीय चेकपॉइंट नाम

{epoch:04d} प्लेसहोल्डर से प्रत्येक चेकपॉइंट का अद्वितीय नाम होता है (cp-0004.ckpt, cp-0008.ckpt, ...), जिससे ओवरराइट नहीं होता।

अन्य कॉलबैक विकल्प