首先明确：保留模型需要使用Keras中的回调函数中的ModelCheckpoint

在 .fit( ):

或者 .fit_generator():

中的 callbacks中传入ModelCheckpoint

至于其中每个参数代表什么请参阅文档。

用于在每个训练之后保存模型。

filepath可以包括命名格式选项，可以由 epoch的值和 logs的键（由 on_epoch_end参数传递）来填充。

例如：如果 filepath是 weights.{epoch:02d}-{val_loss:.2f}.hdf5，.hdf5是保存下载的模型文件， 那么模型被保存的的文件名就会有训练轮数和验证损失。

=========================================================

filepath: 字符串，保存模型的路径。 monitor: 被监测的数据。 verbose: 详细信息模式，0 或者 1 。 save_best_only: 如果 save_best_only=True， 被监测数据的最佳模型就不会被覆盖。 mode: {auto, min, max}的其中之一。 如果 save_best_only=True，那么是否覆盖保存文件的决定就取决于被监测数据的最大或者最小值。 对于 val_acc，模式就会是 max，而对于 val_loss，模式就需要是 min，等等。 在 auto模式中，方向会自动从被监测的数据的名字中判断出来。 save_weights_only: 如果 True，那么只有模型的权重会被保存 (model.save_weights(filepath))， 否则的话，整个模型会被保存 (model.save(filepath))。 period: 每个检查点之间的间隔（训练轮数）。