使用模型检查点是个好主意吗？

Question

我有一个CNN代码，它可以确定一个图像是否包含暴力、毒品、恐怖或性内容。我目前在培训CNN的阶段，并尝试不同的配置，以找到最好的准确性与我的CNN。通过这次培训，我实现了from keras.callbacks import ModelCheckpoint，以便在培训时利用检查点。我使用这样的回调：

checkpoint = ModelCheckpoint(WEIGHTS_PATH, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
model.fit_generator(training_set,
                    steps_per_epoch=3000,
                    epochs = 10,
                    validation_data = test_set,
                    validation_steps = 300,
                    callbacks = [checkpoint])

因此，每次迭代epoch时，具有最高值acc的epoch都将保存到一个.hdf5文件中。我的问题是，这种做法好吗？或者这是给CNN编代码的好方法？我的意思是，即使没有完成历元，产生最高值的历元将是唯一保存的历元，而具有较低值的历元将被忽略。我是CNN的新人，所以我想知道尽可能多的事情，以便我能够成为一个好的CNN

Answer 1

验证准确度的目的是估计模型如何在看不见的数据上推广。因此，当您以最佳的验证准确性保存检查点时，所发生的是您保存的权重（通过训练学习的权重）最能预测未知数据的结果。因此，通过保存多个检查点，您可以在使用测试数据测试模型时利用这些检查点（例如，可以从实时用例中获取），并选择与您的测试数据配合良好的模型

希望这有帮助