Question

我知道使用fit_generator方法训练时很容易提及时代的数量。我有很多要训练的图像，我不能一次使用数组加载它们，因为它显示MemoryError。我需要在达到一定的验证准确度（例如98％）后停止培训。如果在给定的历元数量之后尚未达到准确度，则训练将停止。在Keras有什么办法吗？我正在使用Tensorflow后端。

编辑：我在Keras看过EarlyStopping模块，但它只跟踪监控数量的变化。

Answer 1

您可以从Keras获取EarlyStopping的代码。

class EarlyStoppingByAccuracy(Callback):
    def __init__(self, monitor='accuracy', value=0.98, verbose=0):
        super(Callback, self).__init__()
        self.monitor = monitor
        self.value = value
        self.verbose = verbose

    def on_epoch_end(self, epoch, logs={}):
        current = logs.get(self.monitor)
        if current is None:
            warnings.warn("Early stopping requires %s available!" % self.monitor, RuntimeWarning)

        if current >= self.value:
            if self.verbose > 0:
                print("Epoch %05d: early stopping THR" % epoch)
            self.model.stop_training = True

自定义提前停止可以像下面这样使用

callbacks = [
    EarlyStoppingByAccuracy(monitor='accuracy', value=0.98, verbose=1),
    ModelCheckpoint(kfold_weights_path, monitor='val_loss', save_best_only=True, verbose=0),
]
model.fit(X_train.astype('float32'), Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
      shuffle=True, verbose=1, validation_data=(X_valid, Y_valid),
      callbacks=callbacks)

在达到一定的准确度后，有没有办法停止在Keras训练模型？

1 个答案: