如何获取已加载Keras模型的训练轮次（epochs）数量？

很遗憾，默认情况下用load_model()加载的Keras模型是无法直接获取训练轮次的。原因很简单：Keras默认的模型保存格式（不管是.h5还是SavedModel）只会存储模型的架构、权重，以及如果你指定保存优化器状态的话会包含优化器的参数，但训练过程的元数据（比如总共训练了多少轮）并不会被自动保存到模型文件里。

不过不用慌，我们可以通过几个提前准备的方法来解决这个问题，分情况来看：

1. 训练时主动保存训练轮次元数据 #

这是最稳妥的方案，在训练模型的时候，把训练的epochs数和模型一起保存到额外的文件中：

# 训练阶段代码
import json
from tensorflow.keras.models import Sequential

# 假设你定义好了模型
model = Sequential(...)
epochs = 10
history = model.fit(X_train, y_train, epochs=epochs)

# 保存模型
model.save('trained_model.h5')

# 把训练轮次保存到JSON文件
metadata = {'total_training_epochs': epochs}
with open('model_metadata.json', 'w') as f:
    json.dump(metadata, f)

之后加载模型时，同时读取这个元数据文件：

# 加载阶段代码
from tensorflow.keras.models import load_model
import json

model = load_model('trained_model.h5')
with open('model_metadata.json', 'r') as f:
    metadata = json.load(f)
total_epochs = metadata['total_training_epochs']
print(f"模型总共训练了 {total_epochs} 轮")

2. 保存训练的History对象 #

如果你在训练时保留了fit()返回的History对象，也可以把它保存下来，之后通过History里的日志长度来获取轮次（因为每一轮训练都会生成一条loss/metrics记录）：

# 训练时保存History
import pickle

history = model.fit(X_train, y_train, epochs=8)
with open('training_history.pkl', 'wb') as f:
    pickle.dump(history.history, f)

加载时读取并计算：

# 加载后获取轮次
import pickle

with open('training_history.pkl', 'rb') as f:
    history = pickle.load(f)
total_epochs = len(history['loss'])  # loss列表的长度就是训练轮次
print(f"模型训练了 {total_epochs} 轮")

3. 利用带epoch信息的模型文件名 #

如果训练时使用了ModelCheckpoint回调，并且设置文件名包含当前epoch数，那可以直接从加载的模型文件名里提取轮次：

# 训练时设置带epoch的检查点
from tensorflow.keras.callbacks import ModelCheckpoint

checkpoint_callback = ModelCheckpoint(
    'model_epoch_{epoch:03d}.h5',
    save_freq='epoch',
    save_best_only=False
)
model.fit(X_train, y_train, epochs=15, callbacks=[checkpoint_callback])

比如你加载的是model_epoch_015.h5，那就能直接从文件名里解析出训练到了第15轮。

注意事项 #

如果之前训练时完全没有做上述任何一种保存操作，那现在加载的模型里确实没有训练轮次的信息，没办法直接获取。这种情况下你只能去查找当时的训练日志，或者重新训练模型并记录轮次了。

内容的提问来源于stack exchange，提问作者Hagbard