如何在TensorFlow中从Callback历史中提取并保存最优损失对应的模型

假设你使用的是TensorFlow/Keras框架的EarlyStopping回调，可通过以下方式获取并保存最优epoch对应的模型：

训练前配置回调参数（推荐方案） #

在初始化EarlyStopping时开启restore_best_weights参数，训练结束后模型会自动加载监控指标最优的epoch权重，直接保存即可：

1. 导入并配置回调

from tensorflow.keras.callbacks import EarlyStopping

early_stop_cb = EarlyStopping(
    monitor="val_loss",  # 按实际需求替换为你要跟踪的指标，比如loss、val_acc等
    patience=10,  # 连续多少轮指标无提升后触发早停
    restore_best_weights=True,  # 核心参数：训练结束后自动恢复最优轮次的权重
    verbose=1
)

2. 训练时传入回调

# 以自编码器训练为例，按需修改你的fit参数
history = autoencoder.fit(
    x_train, x_train,
    epochs=200,
    validation_data=(x_val, x_val),
    callbacks=[early_stop_cb]
)

3. 训练完成后直接保存模型，此时模型已对应最小损失的epoch权重

# 保存完整模型（包含结构和权重）
autoencoder.save("best_autoencoder.h5")
# 仅保存权重（需提前保留模型结构代码）
autoencoder.save_weights("best_autoencoder_weights.h5")

特殊情况处理 #

如果你已经完成训练，且初始化EarlyStopping时没有设置restore_best_weights=True，无法从当前训练完成的模型中回溯获取最优epoch的权重，只能重新训练时加上上述参数。

内容的提问来源于stack exchange，提问作者mlhub