python - 网络完全融合后停止Keras Training

如何配置Keras以停止训练，直到收敛或损失为0？我真想把它装得太大。我不想设定年代。我只是希望它在汇合时停止。

最佳答案

使用EarlyStopping回调。您可以自由选择要观察的损失/指标以及何时停止。
通常，您会看到“验证损失”（val_loss），因为这是最重要的var，它告诉您的模型仍在学习泛化。
但既然你说你想过度健身，那么你可能会看到“训练损失”（loss）。
回调使用“delta”，而不是绝对值，这很好，因为损失不一定以“0”为目标。但是可以使用baseline参数设置绝对值。
因此，通常是一个回调来查看验证丢失：

from keras.callbacks import EarlyStopping
usualCallback = EarlyStopping()

这与EarlyStopping(monitor='val_loss', min_delta=0, patience=0)
过大的：

overfitCallback = EarlyStopping(monitor='loss', min_delta=0, patience = 20)

注意paticence参数，这很重要，因为损失值并不总是在每个历元都会减少。让模型在结束之前再尝试几个时代。
最后，只需将回调传递给fit和大量的epoch：

model.fit(X, Y, epochs=100000000, callbacks=[overfitCallback])