当使用像下面这样的调度程序时,我很难理解从磁盘加载模型时如何恢复训练。
learning_rate_scheduler = tensorflow.keras.optimizers.schedules.ExponentialDecay(
0.01,
decay_steps=1000,
decay_rate=0.96,
staircase=True)
考虑这种假设情况,我将模型训练了一个 epoch 并保存。后来我加载了模型并再次拟合。在这种情况下,训练是从模型先前保存时的学习率恢复还是从调度程序的预定义配置开始?
编辑
我正在以标准方式保存我的模型,
model.save("model")
下面是加载后的优化器配置。学习率配置与定义相同。
hour_glass_model.optimizer.get_config()
{'amsgrad': False,
'beta_1': 0.9,
'beta_2': 0.999,
'decay': 0.0,
'epsilon': 1e-07,
'learning_rate': {'class_name': 'ExponentialDecay',
'config': {'decay_rate': 0.96,
'decay_steps': 1000,
'initial_learning_rate': 0.01,
'name': None,
'staircase': True}},
'name': 'Adam'}