我的keras模板正在为我训练的每个最佳时间生成一个检查点。
但是，我的互联网掉线了，并且在加载我的最后一个检查点并从上个季节开始重新训练时（使用initial_epoch），在新训练的第一个季节中，准确性从89.1（加载的模型值）降至83.6。恢复（重新开始）训练时，这是正常行为吗？因为当我的网络出现故障时，它已经在第30季了，准确性也没有下降，也没有明显的改善，因此没有生成任何新的检查点，这迫使我重蹈覆辙。
预先感谢您的帮助。
lin993400 回答：Keras：一个加载的检查点模型来恢复训练会降低准确性吗？
保存和重新训练的问题在于，当您从训练好的模型开始训练直到纪元N时，在纪元N + 1时，历史记录不会保留。
场景：
您正在训练30个时期的模型。在第15个阶段，您的准确性为88％（例如，您根据最佳验证准确性保存了模型）。不幸的是，某些事情发生了，您的训练崩溃了。但是，由于您已经过检查点训练，因此您可以在程序崩溃之前的第15个阶段获得结果模型。
如果您从纪元15开始重新训练，以前的validation_accuracies（因为您现在从头开始训练）将不会被“记住”。如果您在epoch 16达到了84％的验证准确度，则您的“ best_model”（具有88％的准确率）将被epoch 16模型覆盖，因为没有没有先前训练/验证的已保存/内部历史数据准确性。在后台，在新的重新训练下，84％的值将与-inf进行比较，因此将保存epoch 16模型。
解决方案是从头开始重新培训，或者使用先前培训的列表（手动或从Callback获取）初始化第二个培训验证准确性。这样，在时代结束时，Keras在引擎盖下进行比较的最大准确性在该情况下将为88％，而不是-inf。