modelcheckpoint保存路径不生效的主因是filepath非目录路径、上级目录不存在或无写权限；需用os.makedirs预建目录，filepath应为带模板的目录路径（如"checkpoints/ckpt-{epoch:02d}"），禁用中文与特殊字符，并确保validation_data传入以激活监控指标。
ModelCheckpoint 保存路径不生效或报错 InvalidArgumentError: Expected directory
常见原因是传入的 filepath 参数不是目录路径，而是文件名（比如写成 "model.h5"），或者路径中包含非法字符、上级目录不存在。TensorFlow 的 ModelCheckpoint 默认按 epoch 自动拼接文件名（如 "weights.{epoch:02d}-{val_loss:.2f}.hdf5"），它要求 filepath 指向一个**可写目录**，而非具体文件。
实操建议：
- 确保路径存在且有写权限：用
os.makedirs(os.path.dirname(checkpoint_path), exist_ok=True)预创建目录 -
filepath推荐写成带目录前缀的模板，例如"checkpoints/ckpt-{epoch:02d}-{val_accuracy:.2f}"（注意不加扩展名，TF 会自动补.index/.data-00000-of-00001） - 避免使用中文路径、空格、冒号等 shell 不友好字符
- 如果只想保存权重（非完整模型），加参数
save_weights_only=True，否则默认保存整个可序列化模型（含架构、权重、优化器状态）
为什么训练中断后 reload 时 model.load_weights() 报 ValueError: Shape mismatch
这是因为 checkpoint 保存的是张量值，不保存模型结构；若 reload 前没先构建好一模一样的模型（同层顺序、同 name、同 input_shape），加载时 shape 对不上就会失败。尤其在自定义层、动态图（@tf.function）、或使用 tf.keras.Sequential 但层顺序微调后极易出问题。
实操建议：
- 务必先实例化并 build 模型（例如
model.build(input_shape=(None, 28, 28, 1))或跑一次model(tf.zeros(...))），再调load_weights() - 检查每层
name是否一致：训练和 reload 时都显式指定name=...，避免 TF 自动生成带序号的 name（如"dense_1"→"dense_2"） - 用
tf.train.Checkpoint+restore更稳妥（尤其对自定义训练循环），它按变量名匹配，不依赖层结构顺序
ModelCheckpoint 的 save_freq 设为 "epoch" 还是整数？有什么区别
save_freq="epoch" 表示每个 epoch 结束后保存一次；设为整数（如 save_freq=100）表示每训练 100 个 batch 保存一次。后者适合超长 epoch（如大数据集单 epoch 耗时几小时），能防止断电丢太多进度；但要注意：batch 级保存只支持 save_weights_only=True，且恢复时需同步恢复优化器步数（optimizer.iterations）才保证学习率调度正确。
实操建议：
- 常规训练用
save_freq="epoch"最稳，兼容性最好 - 用
save_freq=N时，必须配合tf.train.Checkpoint手动保存 optimizer，否则 lr decay、momentum 等状态丢失 - 注意
steps_per_epoch设置是否准确——若估算错误，save_freq=100可能在同一 epoch 内保存多次或跳过
如何用 ModelCheckpoint 实现「只保留最近 3 个 checkpoint」
靠 max_to_keep 参数即可，但它只控制 *文件数量*，不区分好坏。若想「保留验证指标最好的 3 个」，必须配合 monitor 和 mode，否则它只是 FIFO 删除旧文件。
实操建议：
- 设置
monitor="val_accuracy"+mode="max"（或monitor="val_loss"+mode="min"），再设max_to_keep=3，TF 就会按监控值排序，删掉最差的 - 确保
validation_data在model.fit()中传入，否则val_*指标为空，ModelCheckpoint会静默跳过保存 -
save_best_only=True和max_to_keep可共存：前者只存当前最优，后者管历史最优的留存数量
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
