Python tf.keras.callbacks.BackupAndRestore用法及代码示例

回调以备份和恢复训练状态。

继承自：Callback

用法

tf.keras.callbacks.BackupAndRestore(
    backup_dir
)

BackupAndRestore 回调旨在通过将训练状态备份到临时检查点文件中(在 tf.train.CheckpointManager 的帮助下)，从 Model.fit 执行过程中发生的中断中恢复训练，最后每个时代的。每个备份都会覆盖先前写入的检查点文件，因此在任何给定时间，最多有一个这样的检查点文件用于备份/恢复目的。

如果训练在完成之前重新开始，则训练状态(包括 Model 权重和 epoch 编号)将在新的 Model.fit 运行开始时恢复到最近保存的状态。 Model.fit 运行完成后，临时检查点文件将被删除。

请注意，用户有责任在中断后恢复作业。这个回调对于容错目的的备份和恢复机制很重要，并且从前一个检查点恢复的模型预计与用于备份的模型相同。如果用户更改传递给 compile 或 fit 的参数，则为容错保存的检查点可能会变得无效。

注意：

1. 此回调与禁用的即刻执行不兼容。
2. 在每个 epoch 结束时保存一个检查点。恢复后，Model.fit 在训练重新开始的未完成时期重做任何部分工作(因此中断前完成的工作不会影响最终模型状态)。
3. 这适用于单工作人员和multi-worker 模式。当 Model.fit 与 tf.distribute 一起使用时，它支持 tf.distribute.MirroredStrategy 、 tf.distribute.MultiWorkerMirroredStrategy 、 tf.distribute.TPUStrategy 和 tf.distribute.experimental.ParameterServerStrategy 。

例子：

class InterruptingCallback(tf.keras.callbacks.Callback):
  def on_epoch_begin(self, epoch, logs=None):
    if epoch == 4:
      raise RuntimeError('Interrupting!')
callback = tf.keras.callbacks.experimental.BackupAndRestore(
backup_dir="/tmp/backup")
model = tf.keras.models.Sequential([tf.keras.layers.Dense(10)])
model.compile(tf.keras.optimizers.SGD(), loss='mse')
try:
  model.fit(np.arange(100).reshape(5, 20), np.zeros(5), epochs=10,
            batch_size=1, callbacks=[callback, InterruptingCallback()],
            verbose=0)
except:
  pass
history = model.fit(np.arange(100).reshape(5, 20), np.zeros(5), epochs=10,
            batch_size=1, callbacks=[callback], verbose=0)
# Only 6 more epochs are run, since first trainning got interrupted at
# zero-indexed epoch 4, second training will continue from 4 to 9.
len(history.history['loss'])
6