如何在自动编码器训练期间仅保存编码器零件的最佳重量?

Question

我正在使用带有张量流的keras来实现CNN的深度自动编码器：

所以基本上模型类似于：

input_data = Input(shape=(40,500,1))
#encoder  
x= Conv2D(32,kernel_size=(3,3), padding="same",activation='linear')(input_data)       
encoded= Conv2D(15,kernel_size=(1,2), strides=(1,2), padding="same",activation='linear')(x)  

#decoder             
x= Conv2DTranspose(15,kernel_size=(1,2), padding="same",activation='linear')(encoded)        
x= Conv2DTranspose(32,kernel_size=(3,3), padding="same",activation='linear')(x)
decoded = Conv2DTranspose(1, (3, 3), activation=activationfuntion, padding="same")(x)
autoencoder = Model(inputs=input_data,outputs=decoded)
encoder = Model(inputs=input_data,outputs=encoded)  

为了在训练期间保存最佳模型权重，我正在使用 ModelCheckpoint：

autoencoder.compile(loss='mean_squared_error', optimizer='rmsprop');
checkpoint=ModelCheckpoint('bestweight.best.hdf5',monitor='val_loss',verbose=1,save_best_only=True,mode='min');   
callbacks_list=[checkpoint]
history_info =autoencoder.fit(x_train, x_train,
batch_size=batch_size,
epochs=50,
validation_data=(x_validation,x_validation),
callbacks=callbacks_list,
shuffle=True)

然后稍后在测试数据集上进行测试：

autoencoder.load_weights('bestweight.best.hdf5');
autoencoder.predict(test_data);

我的问题是：

我知道如何保存整个自动编码器的最佳权重，但是有没有办法保存编码器部分的最佳训练权重，以便以后可以使用它进行测试。 所以我可以这样使用它：

encoder.load_weights('encoderbestweight.best.hdf5');
encoder.predict(test_data);

Answer 1

在尝试回答您的问题之前，我想简要介绍一下您对ModelCheckpoint回调的使用。我们来看看默认参数：

keras.callbacks.ModelCheckpoint(filepath, monitor='val_loss', verbose=0, save_best_only=False, save_weights_only=False, mode='auto', period=1)

save_weights_only参数的默认值为False，这意味着您实际保存的不仅是模型的权重，而是整个架构！因此，在加载模型的权重时，您可以重新定义模型并使用load_weights。或者，您可以使用load_model函数直接从文件加载模型。

---

现在，为了仅保存编码器，我将编写一个新的检查点回调，如下所示：

class CustomCheckpoint(Callback):
def __init__(self, filepath, encoder):
self.monitor = 'val_loss'
self.monitor_op = np.less
self.best = np.Inf
self.filepath = filepath
self.encoder = encoder
def on_epoch_end(self, epoch, logs=None):
current = logs.get(self.monitor)
if self.monitor_op(current, self.best):
self.best = current
# self.encoder.save_weights(self.filepath, overwrite=True)
self.encoder.save(self.filepath, overwrite=True) # Whichever you prefer

---

作为替代方案，由于您已经拥有整个网络的保存文件，因此您可以像这样将编码器与解码器分开：

from keras.models import load_model
autoencoder = load_model("path_to_file")
encoder = Model(autoencoder.layers[0].input, autoencoder.layers[1].output)

Answer 2

编码器部分是前两层。所以在"autoencoder.fit(("之后尝试这个

encoder = Model(input_data, autoencoder.layers[2].output)

了解更多"https://www.kaggle.com/marlesson/autoencoder-embedding-for-food">