具有自定义检查点的三重丢失

Question

我有一个写在Keras上的三元组学习NN。它使用了一组相对较小的图像，作为一个可悲的副作用，可以很容易地显示准确性

def accuracy(y_true, y_pred):
return K.mean(y_pred[:,0,0] < y_pred[:,1,0])

等于1。同时，还有训练的准确性。同时它可能是1，也可能不是1。 那么，如何编写一个检查点来保存训练和验证精度都等于1的“最佳NN”

像这样的伪代码：

if(valid_acc > nBestValidationAccuracy
  or (valid_acc == 1.0 and train_acc > nBestTrainAccuracy)
  or (valid_acc == 1.0 and train_acc == 1.0 and valid_loss < nBestValidationLoss)
  or (valid_acc == 1.0 and train_acc == 1.0 and valid_loss == nBestValidationLoss and train_loss < nBestTrainLoss)):
    nBestValidationAccuracy = valid_acc
    nBestValidationLoss = valid_loss
    nBestTrainAccuracy = train_acc
    nBestTrainLoss = train_loss
    triplet_model.save_weights(best_weights_filepath)