如何使用含小数点的指标命名TensorFlow模型检查点？

我想按如下方式设置模型检查点：

mcp_save = tf.keras.callbacks.ModelCheckpoint('effnet-{epoch:02d}-{val_f0.5-score:.4f}.mdl_wts.hdf5', save_best_only=True, monitor='val_f0.5-score', mode='max')

但由于指标名称包含小数点，保存时出现错误：

'Failed to format this callback filepath: "effnet-{epoch:02d}-{val_f0.5-score:.4f}.mdl_wts.hdf5". Reason: 'val_f0''

该指标来自segmentation_models PyPI包：

fscore = sm.metrics.FScore(beta=0.5)

TensorFlow日志中显示的指标名称为：

1000/1000 [==============================] - ETA: 0s - loss: 0.6205 - accuracy: 0.2607 - f0.5-score: 0.3066

请问是否可以转义小数点或使用其他字符串，实现保存带分数的文件名？

方法1：修改指标名称，替换小数点 #

初始化指标时手动指定名称，把小数点替换成下划线，避免与格式化语法冲突：

fscore = sm.metrics.FScore(beta=0.5, name='f0_5-score')

同步更新ModelCheckpoint的参数：

mcp_save = tf.keras.callbacks.ModelCheckpoint(
    'effnet-{epoch:02d}-{val_f0_5-score:.4f}.mdl_wts.hdf5',
    save_best_only=True,
    monitor='val_f0_5-score',
    mode='max'
)

这样文件名的格式化语法就能正确识别指标名称，不会触发报错。

方法2：自定义回调处理文件名 #

如果不想修改原有指标名称，可以继承ModelCheckpoint重写文件名生成逻辑：

from tensorflow.keras.callbacks import ModelCheckpoint

class CustomModelCheckpoint(ModelCheckpoint):
    def on_epoch_end(self, epoch, logs=None):
        logs = logs or {}
        # 获取验证集f0.5分数
        val_fscore = logs.get('val_f0.5-score')
        # 手动拼接文件名
        self.filepath = f'effnet-{epoch:02d}-{val_fscore:.4f}.mdl_wts.hdf5'
        # 调用父类的保存逻辑
        super().on_epoch_end(epoch, logs)

# 实例化自定义回调
mcp_save = CustomModelCheckpoint(
    '',  # 初始路径无意义，后续会被重写
    save_best_only=True,
    monitor='val_f0.5-score',
    mode='max'
)

这种方式直接绕过TensorFlow内置的文件名格式化逻辑，手动生成包含指标值的文件名。

内容的提问来源于stack exchange，提问作者Seth Kitchen