pybrain中的continueEpochs参数

Question

在pybrain文档中，我找到了trainUntilConvergence的以下文档，如下所示，

  

trainUntilConvergence（dataset = None，maxEpochs = None，verbose = None，   continueEpochs = 10，validationProportion = 0.25）

     

在数据集上训练模块，直到它收敛。

     

使用提供最小验证错误的参数返回模块。

     

如果未给出数据集，则使用在Trainer初始化期间传递的数据集。 validationProportion是

的比率      

用于验证数据集的数据集。

     

如果给出maxEpochs，则最多训练许多时期。每次验证错误达到​​最小值时，请尝试使用continueEpochs时期   找到一个更好的。

但他们没有说出continueEpochs和verbose参数的作用或定义是什么？有人有想法吗？

Answer 1

verbose几乎是不言自明的 - 它只是在每次迭代后打印到stdout当前的损失。

continueEpochs在您提供的摘录中有解释

  

每次验证错误达到​​最低限度时，请尝试continueEpochs   寻找更好的时代

Answer 2

如果将verbose设置为True，则会在训练期间打印出每个时期的丢失。

trainUntilConvergence方法训练您的数据集，直到验证集上的错误不再减少一定数量的时期。您可以通过更改continueEpochs参数来更改培训师在停止培训之前考虑的时期数。默认为10.换句话说，如果验证集上的错误在10个连续的纪元中没有改善，则终止训练。这也被称为早期停止方法，并广泛用于训练神经网络。