如何用Keras的evaluate()调用最优模型而非最后一轮模型？

问题核心：训练结束后，内存里的model对象是最后一轮（第9轮）训练的模型，而ModelCheckpoint只是把最优模型存到了文件里，没有自动替换内存中的模型，所以直接调用model.evaluate()用的是最后一轮的模型，不是你要的第4轮最优模型。

具体步骤： #

1. 明确配置ModelCheckpoint的保存路径
   训练时要指定最优模型的保存位置，确保只存验证集上表现最好的版本：

   from tensorflow.keras.callbacks import ModelCheckpoint, EarlyStopping
   
   # 配置检查点：指定保存路径，只存最优模型
   checkpoint = ModelCheckpoint(
       filepath='best_model.keras',  # 模型保存的文件路径
       monitor='val_loss',  # 监控的验证指标（比如损失或准确率）
       save_best_only=True,  # 仅保存最优模型
       mode='min',  # 损失越小越好，若监控准确率则用'max'
       verbose=1
   )
   
   stopper = EarlyStopping(
       monitor='val_loss',
       patience=5,
       mode='min',
       verbose=1
   )
   
   # 启动训练
   model.fit(x_train, y_train, callbacks=[stopper, checkpoint], validation_data=(x_test, y_test))
   

2. 加载保存的最优模型再评估
   训练完成后，不要用原来的model对象，而是加载刚才保存的最优模型，再调用evaluate()：

   from tensorflow.keras.models import load_model
   
   # 从文件加载最优模型
   best_model = load_model('best_model.keras')
   
   # 用最优模型评估测试集或时序外数据
   eval_results = best_model.evaluate(x_test, y_test)
   print('最优模型的评估指标:', eval_results)
   

注意事项： #

• 要保证ModelCheckpoint和EarlyStopping的monitor指标一致，否则保存的最优模型和早停逻辑会不匹配。
• 如果用的是旧版Keras，模型保存格式可能是.h5，加载时对应改成load_model('best_model.h5')即可。

内容的提问来源于stack exchange，提问作者sasha11