如何在tsai中保存时间序列训练的最佳模型？

tsai基于fastai框架，你可以直接用fastai的SaveModelCallback回调函数实现需求——自动保存验证损失最低的模型，和Keras的ModelCheckpoint功能完全对应。

修改后的完整代码： #

import os
os.chdir(os.path.dirname(os.path.abspath(__file__)))
from pickle import load
from multiprocessing import Process
import numpy as np
from tsai.all import *
import matplotlib.pyplot as plt
from sklearn.metrics import precision_recall_curve

dataset_idx = 0
X_train = load(open(r"X_train_"+str(dataset_idx)+".pkl", 'rb'))
y_train = load(open(r"y_train_"+str(dataset_idx)+".pkl", 'rb'))
X_test = load(open(r"X_test_"+str(dataset_idx)+".pkl", 'rb'))
y_test = load(open(r"y_test_"+str(dataset_idx)+".pkl", 'rb'))
print("dataset loaded")

learn = TSClassifier(X_train, y_train, arch=InceptionTimePlus, arch_config=dict(fc_dropout=0.5))

print("training started")
# 添加SaveModelCallback回调，监控验证损失并保存最优模型
learn.fit_one_cycle(5, 0.0005, 
                    cbs=SaveModelCallback(monitor='valid_loss', mode='min', fname=f"best_tsai_{dataset_idx}"))

# 若需导出包含最优模型的完整learner，执行以下步骤
learn.load(f"best_tsai_{dataset_idx}")  # 先加载保存的最优权重
learn.export(f"tsai_best_{dataset_idx}.pkl")  # 导出完整learner

关键参数说明： #

• monitor='valid_loss'：指定监控指标为验证损失
• mode='min'：因为要保留验证损失最小的模型，所以设为min；如果是监控准确率这类需要最大化的指标，改为max即可
• fname：设置保存的模型权重文件名（默认存储在当前目录的models文件夹下）

后续加载最优模型： #

训练结束后，可通过两种方式加载最优模型：

# 方式1：直接加载完整导出的learner
learn = load_learner(f"tsai_best_{dataset_idx}.pkl")

# 方式2：先初始化learner，再加载权重
learn = TSClassifier(X_train, y_train, arch=InceptionTimePlus, arch_config=dict(fc_dropout=0.5))
learn.load(f"best_tsai_{dataset_idx}")

内容的提问来源于stack exchange，提问作者Granth