|
|
@@ -70,10 +70,11 @@ __all__ = [ |
|
|
|
] |
|
|
|
|
|
|
|
import os |
|
|
|
import sys |
|
|
|
from copy import deepcopy |
|
|
|
|
|
|
|
import torch |
|
|
|
from copy import deepcopy |
|
|
|
import sys |
|
|
|
|
|
|
|
from .utils import _save_model |
|
|
|
|
|
|
|
try: |
|
|
@@ -928,13 +929,15 @@ class WarmupCallback(Callback): |
|
|
|
class SaveModelCallback(Callback): |
|
|
|
""" |
|
|
|
由于Trainer在训练过程中只会保存最佳的模型, 该callback可实现多种方式的结果存储。 |
|
|
|
会根据训练开始的时间戳在save_dir下建立文件夹,再在文件夹下存放多个模型 |
|
|
|
-save_dir |
|
|
|
-2019-07-03-15-06-36 |
|
|
|
-epoch:0_step:20_{metric_key}:{evaluate_performance}.pt # metric是给定的metric_key, evaluate_performance是性能 |
|
|
|
-epoch:1_step:40_{metric_key}:{evaluate_performance}.pt |
|
|
|
-2019-07-03-15-10-00 |
|
|
|
-epoch:0_step:20_{metric_key}:{evaluate_performance}.pt # metric是给定的metric_key, evaluate_perfomance是性能 |
|
|
|
会根据训练开始的时间戳在save_dir下建立文件夹,再在文件夹下存放多个模型:: |
|
|
|
|
|
|
|
-save_dir |
|
|
|
-2019-07-03-15-06-36 |
|
|
|
-epoch:0_step:20_{metric_key}:{evaluate_performance}.pt # metric是给定的metric_key, evaluate_performance是性能 |
|
|
|
-epoch:1_step:40_{metric_key}:{evaluate_performance}.pt |
|
|
|
-2019-07-03-15-10-00 |
|
|
|
-epoch:0_step:20_{metric_key}:{evaluate_performance}.pt # metric是给定的metric_key, evaluate_perfomance是性能 |
|
|
|
|
|
|
|
:param str save_dir: 将模型存放在哪个目录下,会在该目录下创建以时间戳命名的目录,并存放模型 |
|
|
|
:param int top: 保存dev表现top多少模型。-1为保存所有模型。 |
|
|
|
:param bool only_param: 是否只保存模型d饿权重。 |
|
|
|