我对ML和神经网络都是陌生的，并且一直在阅读'http://neuralnetworksanddeeplearning.com'，它在第3章中解决了过度拟合问题。
作者在每个时期后在测试集上使用示例模型，因此他可以构建图以显示训练准确性和测试准确性（或成本变化）。
我目前正在编辑程序，以使我的NN在每2个时期后在测试集上运行，然后我将构造一个时期与测试准确性的关系图。我想这太频繁了，但我不确定...
作者指出，一旦测试准确性的变化停止增加，那么就会出现过度拟合（或者训练集的成本也停止增加）的情况。因此，我认为我将编写代码以检测何时达到测试准确度稳定状态，以便随后我可以自动切换训练集（完全新颖或与k折交叉验证不同的折叠倍数）-但是可能有更好的方法吗？
在此先感谢您的任何建议和指导:)
最佳答案
当测试/验证损失停止改善时，这称为早期停止。伊恩·古德费洛（Ian Goodfellow）等人的Deep Learning Book Chapter 7等在7.8节中说明模型正则化，包括提前停止。
Keras有一个回调来执行此检查并停止训练，并且恰当地命名为EarlyStopping。默认情况下，它将监视val_loss并在停止改进时停止训练。