我使用Keras和Google Cloud上的张量流后端运行一个convnet模型，使用tensorboard回调来保存训练历史记录的tfevents日志。当我监控学习曲线时，我注意到培训的一半（学习曲线处于高原状态），一个新的tfevents日志被保存到磁盘。而TensorBoard的学习曲线图表明，训练被重置为时代＃1，val_loss也重置为划痕。
这真的很奇怪。有谁知道这里发生了什么？在什么情况下Keras会自动重启培训并保存新的tfevents日志？
事实证明，这个问题只发生在我在Google Cloud上运行代码时，而不是在我的本地机器上。 Google工程师证实，实际原因是Google的云端维护，而不是Keras！ Google Compute Engine（GCE）实例有时会在没有任何警告或事先通知的情况下关闭进行维护（在此答案时也没有记录）。维护将导致训练实例从头开始重新启动，从而生成新的tfevents日志并重置所有先前的进度。
解决方案是频繁保存检查点，加载以前的模型（如果存在），并在重新启动时恢复训练。请注意，使用GCE时，必须使用Keras中的自定义Lambda回调函数将检查点保存到Google云端存储（GCS），否则您的检查点将在关闭时消失。