如何配置ModelCheckpoint实现100轮后仅保存最优模型检查点？

现有代码的配置偏差 #

• 监控指标为val_loss，损失值越小代表模型效果越好，但代码中设置了mode='max'，这是最容易导致保存结果完全不符合预期的配置错误，逻辑完全相反，会把验证损失最高（最差）的权重判定为最优结果保存
• 原生ModelCheckpoint从第1轮训练结束就会启动最优值判定，无法满足“前100轮不触发保存判定、第100轮才设置比对基准”的需求
• 新版Keras中save_frequency=1的语义是按批次（batch）计数，设为1会导致每个batch都触发检查逻辑，完全偏离每轮训练完成后检查的目标

核心实现逻辑 #

原生ModelCheckpoint没有内置“延迟N轮启动判定”的参数，只需继承原有回调类，重写轮次结束时的判定逻辑即可，完全匹配需求规则：

• 每轮训练结束都正常进入回调流程
• 前99轮完成时不执行任何保存、最优值比对动作
• 第100轮训练完成时，强制将当前轮的权重保存为比对基准，同时把当前轮的val_loss记录为初始最优值
• 100轮之后的所有轮次，正常执行原有最优值比对逻辑，仅当val_loss优于历史最优值时才覆盖保存检查点

具体代码实现 #

自定义回调类 #

from tensorflow.keras.callbacks import ModelCheckpoint

class DelayedStartCheckpoint(ModelCheckpoint):
    def __init__(self, *args, start_check_epoch=100, **kwargs):
        super().__init__(*args, **kwargs)
        self.start_check_epoch = start_check_epoch  # 定义完成多少轮后启动最优判定
        self.best = None  # 初始化历史最优值，未设置基准时为None

    def on_epoch_end(self, epoch, logs=None):
        logs = logs or {}
        # Keras传入的epoch为0起始，换算为实际完成的轮次数
        finished_epochs = epoch + 1

        # 未达到启动判定的轮次，直接跳过所有保存动作
        if finished_epochs < self.start_check_epoch:
            return

        # 第一次达到启动轮次，设置第100轮的权重为基准
        if self.best is None:
            current_monitor_value = logs.get(self.monitor)
            self.best = current_monitor_value
            # 触发保存逻辑，写入基准权重
            self._save_model(epoch=epoch, logs=logs)
            if self.verbose:
                print(f"已完成{self.start_check_epoch}轮，将第{finished_epochs}轮权重设为比对基准")
            return

        # 达到启动轮次后，走原有ModelCheckpoint的成熟最优判定逻辑
        super().on_epoch_end(epoch, logs)

回调实例化配置 #

checkpoint = DelayedStartCheckpoint(
    filepath=filepath,
    monitor='val_loss',
    verbose=1,
    save_best_only=True,
    mode='min',  # 修正为损失最小判定逻辑
    save_freq='epoch',  # 设置为每轮结束触发检查
    start_check_epoch=100  # 指定完成100轮后才启动判定
)

关键配置说明 #

• 轮次计数对齐：通过finished_epochs = epoch +1换算实际完成的轮次，避免Keras原生0起始计数导致的启动轮次偏差，确保刚好在第100轮训练完成时触发基准设置
• 基准规则对齐：第100轮不管当时的val_loss数值高低，都会被强制设为初始比对基准，前99轮的模型表现完全不纳入后续判定范围，符合需求设定
• 逻辑稳定性：100轮之后的判定完全复用原生ModelCheckpoint的成熟逻辑，仅当新轮次的val_loss更小时才会覆盖保存检查点，无额外自定义逻辑的潜在风险

内容的提问来源于stack exchange，提问作者anthony wiyono