Como posso usar tf.keras.retornos de chamada.ModelCheckpoint em Keras Sintonizador?

Você pode usar tf.keras.callbacks.ModelCheckpoint para Keras tuner da mesma forma como é usado em outros modelos para salvar postos de controle.

Após o treinamento o modelo com hiperparâmetros obtidos a partir da pesquisa conforme este modelo, você pode definir o modelo de pontos de verificação e salve-o como abaixo:

hypermodel = tuner.hypermodel.build(best_hps)

# Retrain the model
hypermodel.fit(img_train, label_train, epochs=best_epoch, validation_split=0.2)

import os
checkpoint_path = "training_1/cp.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)

# Create a callback that saves the model's weights
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path,
                                                 save_weights_only=True,
                                                 verbose=1)
history = hypermodel.fit(img_train, label_train, epochs=5, validation_split=0.2, callbacks=[cp_callback])
os.listdir(checkpoint_dir)

# Re-evaluate the model
loss, acc = hypermodel.evaluate(img_test, label_test, verbose=2)
print("Restored model, accuracy: {:5.2f}%".format(100 * acc))

# Loads the weights
hypermodel.load_weights(checkpoint_path)

# Re-evaluate the model
loss, acc = hypermodel.evaluate(img_test, label_test, verbose=2)
print("Restored model, accuracy: {:5.2f}%".format(100 * acc))

Por favor consulte este link para mais inofrmation em salvar e carregar o modelo de pontos de verificação.