前言:
經過一個晚上的找資料，模組終於能繼續訓練，但目前還沒有強制停止儲存模型的方法，所以之後會再改善一下功能性

程式碼:

if os.path.exists(DATASET_PATH):
    if os.path.exists(DATASET_PATH + WEIGHTS_FINAL):
        print(WEIGHTS_FINAL + "模型存在，將繼續訓練模型")
        # net_final.save(WEIGHTS_FINAL)
        new_net_final = load_model(WEIGHTS_FINAL)
        new_net_final.fit(train_batches,
                      steps_per_epoch = train_batches.samples // BATCH_SIZE,
                      validation_data = valid_batches,
                      validation_steps = valid_batches.samples // BATCH_SIZE,
                      epochs = NUM_EPOCHS)
        # 儲存訓練好的模型
        print("儲存訓練模型")
        new_net_final.save(WEIGHTS_FINAL)

        # 從 HDF5 檔案中載入模型
        # net_final = tf.contrib.keras.models.load_model(WEIGHTS_FINAL)
        # 將參數儲存至 HDF5 檔案（不含模型）
        # net_final.save_weights('my_model_weights.h5')
        # 從 HDF5 檔案載入參數（不含模型）
        # net_final.load_weights('my_model_weights.h5')
        
        #  net_final.load_weights(tf.train.latest_checkpoint(checkpoint_dir))
    else:
        print(WEIGHTS_FINAL + '模型不存在，將新建訓練模型')
        # 訓練模型
        net_final.fit(train_batches,
                      steps_per_epoch = train_batches.samples // BATCH_SIZE,
                      validation_data = valid_batches,
                      validation_steps = valid_batches.samples // BATCH_SIZE,
                      epochs = NUM_EPOCHS)
                      # callbacks = [cp_callback])
        # 儲存訓練好的模型
        print("儲存訓練模型")
        net_final.save(WEIGHTS_FINAL)
else:
    print(WEIGHTS_FINAL + '路徑不存在，請確認路徑')