Colab中中断TensorFlow训练时保存模型报错：NameError求解

嘿，我来帮你搞定这个问题！首先，你遇到的NameError: name 'models' is not defined是个典型的实例属性访问错误，咱们一步步拆解修复，顺便优化你的中断保存逻辑：

1. 直接错误的根源 #

你在on_epoch_end方法里写了models.append(model)，但你在on_train_begin里初始化的是实例属性self.models，Python找不到全局的models变量，自然就报错了。另外，你要添加的模型应该是回调内置的self.model（当前训练的模型实例），而不是外部的model变量。

2. 修正回调函数的核心问题 #

先把回调里的错误改掉，同时优化逻辑：

import tensorflow as tf

class myCallback(tf.keras.callbacks.Callback):
    def on_train_begin(self, logs={}):
        # 初始化实例属性，必须用self.前缀
        self.models = []
        # 可以在这里设置目标准确率，更灵活
        self.target_acc = 0.2

    def on_epoch_end(self, epoch, logs={}):
        # 把模型实例存入列表（不过更推荐直接存到文件，省内存）
        self.models.append(self.model)
        
        # 注意：TensorFlow 2.x的Keras里，logs的准确率键是'accuracy'，不是'acc'
        current_acc = logs.get('accuracy', 0)
        if current_acc > self.target_acc:
            print(f'\nReached {self.target_acc*100}% accuracy, stopping training!')
            self.model.stop_training = True

3. 正确处理训练中断（KeyboardInterrupt） #

你原来的try-except放在on_epoch_end里是抓不到训练过程中用户按Ctrl+C的中断的，因为on_epoch_end只在每个epoch结束时触发。正确的做法是在model.fit外面包裹try-except块，捕获中断后立即保存模型：

from keras.models import load_model

# 编译模型
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 初始化回调
callbacks = myCallback()

# 用try-except包裹训练逻辑，捕获中断
try:
    history = model.fit(X_modified, ys, epochs=127, verbose=1, callbacks=[callbacks])
except KeyboardInterrupt:
    print('\nTraining interrupted by user! Saving current model...')
    file_Name = "shahnameh_embdding64_bidirectional_LSTM400_softmax_interrupted.h5"
    model.save(file_Name)
    print(f'Model saved to {file_Name}')
    # 也可以保存最后一个epoch的模型（从回调的models列表里取）
    # last_model = callbacks.models[-1]
    # last_model.save(file_Name)

# 训练正常结束时保存模型
file_Name = "shahnameh_embdding64_bidirectional_LSTM400_softmax.h5"
model.save(file_Name)

4. 额外优化建议 #

• 不要用列表存模型实例：模型实例占用大量内存，训练129轮的话会把内存撑爆，直接每个epoch保存到文件（比如用ModelCheckpoint回调）更靠谱：

  # 内置的ModelCheckpoint回调，自动保存每个epoch的模型，或最好的模型
  checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
      filepath='model_epoch_{epoch:02d}.h5',
      save_freq='epoch',
      save_best_only=False
  )
  # 训练时把这个回调也加进去
  history = model.fit(..., callbacks=[callbacks, checkpoint_callback])
  

• 准确率键名兼容：如果你的Keras版本比较旧，logs里的键是'acc'，可以用logs.get('accuracy', logs.get('acc', 0))来兼容新旧版本。
• 中断时保存训练历史：如果需要保存训练的loss和准确率曲线，可以把history.history保存成json文件，方便后续分析。

内容的提问来源于stack exchange，提问作者chikitin