如何在Keras中加载ModelCheckpoint回调保存的最优权重？

问题根源 #

你两次报错的核心原因都是路径指向了目录而非具体文件：

• 第一次保存时，tmp/checkpoint是目录，但ModelCheckpoint需要明确的文件路径来写入权重数据；
• 第二次加载时，你依然指向目录tmp/checkpoint，但load_weights方法必须接收具体的权重文件路径。

两种正确实现方式 #

方式一：固定文件名保存最优权重（推荐） #

这种方式会在每次发现更优模型时自动覆盖旧文件，最终只保留验证集指标最优的那一份权重，加载时直接用固定路径即可，操作更简洁。

1. 配置回调并设置固定文件路径：

checkpoint_filepath = 'tmp/best_weights.h5'
model_checkpoint_callback = keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_filepath,
    save_weights_only=True,
    monitor='val_loss',
    mode='min',
    save_best_only=True
)

2. 训练时传入回调：

model.fit(x_train, y_train, validation_data=(x_val, y_val), callbacks=[model_checkpoint_callback])

3. 加载最优权重：

net.load_weights('tmp/best_weights.h5')

方式二：按epoch和指标命名保存多份权重文件 #

如果需要保留不同训练阶段的权重文件，可以用带变量的文件名，但加载时必须指定具体的最优文件路径。

1. 先确保保存目录存在，再配置回调：

import os
# 自动创建目录，避免训练时因目录不存在报错
os.makedirs('tmp/checkpoint', exist_ok=True)

checkpoint_filepath = 'tmp/checkpoint/weights.{epoch:02d}-{val_loss:.2f}.hdf5'
model_checkpoint_callback = keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_filepath,
    save_weights_only=True,
    monitor='val_loss',
    mode='min',
    save_best_only=True
)

2. 训练完成后，tmp/checkpoint目录下会生成类似weights.05-0.08.hdf5的文件，文件名中的val_loss数值越小，代表对应模型的验证集性能越好。
3. 加载时指定具体的最优文件路径：

# 替换为你实际生成的最优权重文件名
net.load_weights('tmp/checkpoint/weights.05-0.08.hdf5')

注意事项 #

• 若使用HDF5格式（.h5/.hdf5），需确保已安装h5py库，否则可能出现加载失败；
• save_best_only=True参数会确保只保存验证集指标最优的模型，避免生成大量冗余文件；
• 若使用TensorFlow 2.x，也可选择保存为SavedModel格式（去掉save_weights_only=True或设置save_format='tf'），但加载时需改用model.load_model()方法。

内容的提问来源于stack exchange，提问作者ailauli69