2

这实际上不是这个问题...... CNTK python api - continue training a model它们是相关的，但是它们不一样。

我训练了一个模型 1500 个 epoch，平均损失 67% 左右。然后我想继续训练，我编码如下：

def Create_Trainer(train_reader, minibatch_size, epoch_size, checkpoint_path=None, distributed_after=INFINITE_SAMPLES):
#Create Model with Params
lr_per_minibatch = learning_rate_schedule(
    [0.01] * 10 + [0.003] * 10 + [0.001], UnitType.minibatch, epoch_size)
momentum_time_constant = momentum_as_time_constant_schedule(
    -minibatch_size / np.log(0.9))
l2_reg_weight = 0.0001
input_var = input_variable((num_channels, image_height, image_width))
label_var = input_variable((num_classes))
feature_scale = 1.0 / 256.0
input_var_norm = element_times(feature_scale, input_var)
z = create_model(input_var_norm, num_classes)
#Create Error Functions
if(checkpoint_path):
    print('Loaded Checkpoint!')
    z.load_model(checkpoint_path)
ce = cross_entropy_with_softmax(z, label_var)
pe = classification_error(z, label_var)    

#Create Learner    
learner = momentum_sgd(z.parameters,
                        lr=lr_per_minibatch, momentum=momentum_time_constant,
                        l2_regularization_weight=l2_reg_weight)
if(distributed_after != INFINITE_SAMPLES):
    learner = distributed.data_parallel_distributed_learner(
        learner = learner,
        num_quantization_bits = 1,
        distributed_after = distributed_after
    )
input_map = {
    input_var: train_reader.streams.features,
    label_var: train_reader.streams.labels
}
return Trainer(z, ce, pe, learner), input_map

注意代码行： if(checkpoint_path): 大约一半。

我从以前的培训中加载了 .dnn 文件，该文件是通过此功能保存的...

if current_epoch % checkpoint_frequency == 0:
            trainer.save_checkpoint(os.path.join(checkpoint_path + "_{}.dnn".format(current_epoch)))

这实际上会生成一个 .dnn 和一个 .dnn.ckp 文件。显然我只在load_model中加载了.dnn文件。

当我重新开始训练并加载模型时，它似乎正在加载网络架构，但可能不是权重？这样做的正确方法是什么？

谢谢！

4

1 回答 1

4

您需要改用 trainer.restore_from_checkpoint，这应该重新创建培训师和学习者。

很快，将是一个培训课程，可以轻松地进行无缝恢复，照顾培训师/小批量/分布式状态。

一件重要的事情：在您的 python 脚本中，网络结构和创建节点的顺序在您创建检查点和从中恢复时必须相同。

于 2017-01-12T16:18:48.137 回答