Question

使用EarlyStopping callback时，有没有办法返回在Keras停止训练的时期数？

我可以使用耐心参数获取训练和验证损失的日志并自行计算时代数，但有更直接的方法吗？

Answer 1

使用EarlyStopping.stopped_epoch属性：请记住单独变量中的回调，例如callback，并在训练停止后检查callback.stopped_epoch。

Answer 2

您还可以利用History（）回调来查找其运行的时期数。例如：

from keras.callbacks import History, EarlyStopping

history = History()
callback = [history, EarlyStopping(monitor='val_loss', patience=5, verbose=1, min_delta=1e-4)]

history = model.fit_generator(...., callbacks=callbacks)
number_of_epochs_it_ran = len(history.history['loss'])

Answer 3

在this comment中建议从时期总数中减去patience值可能无法正常工作。例如，如果您设置了epochs=100和patience=20，如果在第90时发现了最佳的准确性/损失值，则训练将在第100时停止。因此，采用这种方法时，您会得到一个错误的数字（ 100-20 = 80）。

此外，如this comment中所述，使用EarlyStopping.stopped_epoch仅在训练停止时为您提供时间，而在保存最佳权重时则没有时间。当您设置save_best_weights=True或依靠ModelCheckpoint保存最佳模型之前停止训练时，这特别有用。

因此，我的解决方案是获取具有最佳值的模型历史记录数组的索引。假设所使用的度量标准是验证准确性（取决于numpy），下面是一些代码：

import numpy as np

model.fit(...)
hist = model.history.history['val_acc']
n_epochs_best = np.argmax(hist)

返回Keras中EarlyStopping回调的时期数

3 个答案: