Keras:如何在每个时代之后存储历史？

在Keras中，可以使用ModelCheckpoint回调函数来实现在每个时代之后存储历史。该回调函数可用于保存在训练期间获得的最佳模型，或保存每个时代的模型。

使用ModelCheckpoint回调函数时，可以设置一些参数来自定义保存模型的方式。以下是一些常用的参数：

• filepath：保存模型的文件路径。可以使用占位符来自定义保存的文件名，例如"weights.{epoch:02d}-{val_loss:.2f}.hdf5"，其中{epoch:02d}表示时代数，{val_loss:.2f}表示验证集损失值保留两位小数。
• monitor：监测的指标，用于决定是否保存模型。常见的指标包括训练集损失值（loss）、验证集损失值（val_loss）、训练集准确率（accuracy）等。
• save_best_only：是否只保存在监测指标上最好的模型。如果设置为True，则只保存在监测指标上获得最佳结果的模型，否则每个时代都保存模型。
• save_weights_only：是否只保存模型的权重而不保存模型的结构。如果设置为True，则只保存模型的权重，否则保存整个模型的结构和权重。
• mode：当监测指标为改进时，是最小化还是最大化监测指标。可以设置为"auto"、"min"或"max"，默认为"auto"，会自动根据监测指标判断。

以下是一个示例代码：

from keras.callbacks import ModelCheckpoint

# 创建ModelCheckpoint回调函数
checkpoint = ModelCheckpoint(filepath='weights.{epoch:02d}-{val_loss:.2f}.hdf5', 
                             monitor='val_loss', 
                             save_best_only=True, 
                             save_weights_only=False, 
                             mode='min')

# 在模型训练时使用回调函数
model.fit(x_train, y_train, 
          validation_data=(x_val, y_val), 
          callbacks=[checkpoint])

在上述示例中，模型训练期间，将会在每个时代之后根据验证集损失值保存在监测指标上获得最佳结果的模型。保存的模型文件路径为weights.{epoch:02d}-{val_loss:.2f}.hdf5，其中的占位符将会被实际的数值替代。

腾讯云提供的与Keras相关的产品和服务有Keras云API、GPU云服务器等，详细信息可以参考腾讯云的产品文档。