我的模型运行得很快，但它们似乎慢了下来，因为我正在保存最好的模型(在另一个进程中加载(；但我注意到保存过程本身会减慢处理速度。在拟合的早期阶段，每次迭代都在改进，增加了越来越多的延迟。
我想知道是否有一种方法可以在X时代之后保存最好的模型，或者将其保存在后台，这样模型训练就不会因为保存太频繁而延迟？
为了清楚起见，以下是我在Keras/TF2:中运行ModelCheckpoint的方式
filepath="BestModel.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='loss', verbose=1, save_best_only=True, mode='min')
callbacks_list = [checkpoint]
# fit the model
model.fit(x, y, epochs=40, batch_size=50, callbacks=callbacks_list)
您可以使用ModelCheckpoint回调的save_freq参数来控制保存频率。默认情况下，它被设置为'epoch'，这意味着它将在每个历元结束时保存模型；但是，它也可以设置为一个整数，该整数决定保存模型时要传递的批数。以下是文件的相关部分供参考：
save_freq：
'epoch'或整数。当使用'epoch'时，回调会在每个epoch之后保存模型。当使用integer时，回调会在这么多批处理结束时保存模型。如果Model是用experimental_steps_per_execution=N编译的，则每N批都会检查保存条件。请注意，如果保存与历元不一致，则监控的度量可能不太可靠(它可能只反映1个批次，因为度量在每个历元都会重置(。默认为'epoch'。