如何使用 Keras 在 Python 中建立回撥函式並儲存權重？

Tensorflow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用以實現演算法、深度學習應用程式等等。它用於研究和生產目的。它具有有助於快速執行復雜數學運算的最佳化技術。這是因為它使用了 NumPy 和多維陣列。這些多維陣列也稱為“張量”。

可以使用以下程式碼行在 Windows 上安裝“tensorflow”包：

pip install tensorflow

張量是 TensorFlow 中使用的資料結構。它有助於連線流圖中的邊。此流圖稱為“資料流圖”。張量不過是多維陣列或列表。

Keras 是作為 ONEIROS（開放式神經電子智慧機器人作業系統）專案研究的一部分開發的。Keras 是一個用 Python 編寫的深度學習 API。它是一個高階 API，具有一個高效的介面，有助於解決機器學習問題。它執行在 Tensorflow 框架之上。它的構建是為了幫助快速進行實驗。它提供了開發和封裝機器學習解決方案所必需的基本抽象和構建塊。

Keras 已經存在於 Tensorflow 包中。可以使用以下程式碼行訪問它。

import tensorflow
from tensorflow import keras

我們使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助透過瀏覽器執行 Python 程式碼，無需任何配置，並且可以免費訪問 GPU（圖形處理單元）。Colaboratory 構建在 Jupyter Notebook 之上。以下是程式碼：

示例

print("Set checkpoint path")
checkpoint_path = "training_1/cp.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)

print("Creating a callback to save the weights")
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, save_weights_only=True, verbose=1)

print("Model is trained with new callback")
model.fit(train_images,
   train_labels,
   epochs=10,
   validation_data=(test_images, test_labels),
   callbacks=[cp_callback])
ls {checkpoint_dir}

程式碼來源 - https://www.tensorflow.org/tutorials/keras/save_and_load