我在一台服务器上训练一个模型，它只允许我进行一个小时的计算:在那个时间结束时，它只会扼杀我的工作。我希望 tensorflow 在训练 58 分钟后保存其训练结果，无论当前状态如何。我同意在最后一个完成的时期保存状态，我只是想知道发生了什么。我该怎么做？
请您参考如下方法:
当然，你也可以定义一个委托(delegate)回调函数来停止训练阶段。
您可以在这里查看更多信息:
https://towardsdatascience.com/neural-network-with-tensorflow-how-to-stop-training-using-callback-5c8d575c18a9
在这个例子中，创建了一个回调函数，以便在“准确度”超过阈值时停止训练阶段。您可以修改函数以进行时间计算以验证耗时。
这是一段有效的代码:
class TimeOut(Callback):
def __init__(self, t0, timeout):
super().__init__()
self.t0 = t0
self.timeout = timeout # time in minutes
def on_train_batch_end(self, batch, logs=None):
if time.time() - self.t0 > self.timeout * 60: # 58 minutes
print(f"\nReached {(time.time() - self.t0) / 60:.3f} minutes of training, stopping")
self.model.stop_training = True
callbacks = [TimeOut(t0=time.time(), timeout=58)]
