TensorFlow2.0Keras不会保存最佳模型，即使有验证数据，仍然给我:只能使用可用的val_acc保存最佳模型，跳过

TensorFlow 2.0中的Keras在保存最佳模型方面确实存在一些限制。默认情况下，Keras只能使用可用的val_acc（验证准确率）来保存最佳模型，并且无法跳过保存。

在训练过程中，Keras会根据验证准确率自动保存每个epoch的模型。然而，Keras并没有提供直接跳过保存的选项。如果你希望只保存在验证准确率达到最佳时的模型，可以通过编写自定义的回调函数来实现。

以下是一个示例的自定义回调函数，用于保存在验证准确率达到最佳时的模型：

from tensorflow.keras.callbacks import Callback
from tensorflow.keras.models import save_model

class SaveBestModel(Callback):
    def __init__(self, filepath):
        super(SaveBestModel, self).__init__()
        self.filepath = filepath
        self.best_val_acc = 0.0

    def on_epoch_end(self, epoch, logs=None):
        val_acc = logs['val_acc']
        if val_acc > self.best_val_acc:
            self.best_val_acc = val_acc
            save_model(self.model, self.filepath)

# 使用自定义回调函数保存最佳模型
save_best_model_callback = SaveBestModel(filepath='best_model.h5')

# 在fit函数中添加回调函数
model.fit(x_train, y_train, validation_data=(x_val, y_val), callbacks=[save_best_model_callback])

在上述示例中，我们定义了一个名为SaveBestModel的自定义回调函数，它继承自Keras的Callback类。在每个epoch结束时，回调函数会检查当前的验证准确率（val_acc），如果比之前的最佳验证准确率（best_val_acc）要高，则保存当前模型。

你可以将自定义回调函数SaveBestModel应用于你的训练过程中，通过指定合适的文件路径来保存最佳模型。请注意，这只是一个示例，你可以根据自己的需求进行修改和扩展。

推荐的腾讯云相关产品和产品介绍链接地址：