Question

我将如何配置Keras使其停止训练，直到收敛或损失为0为止？我本来想过拟合。我不想设置时期数。我只是希望它收敛时才停止。

Answer 1

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），因为这是最重要的变量，它表明您的模型仍在学习概括。

但是由于您说过头了，所以您可以查看“训练损失”（loss）。

回调函数使用“ deltas”，而不使用绝对值，这是很好的，因为损失不一定以“零”为目标。但是您可以使用baseline参数来设置绝对值。

因此，通常情况下，回调会检查验证失败：

from keras.callbacks import EarlyStopping
usualCallback = EarlyStopping()

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

一个会过拟合的东西：

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

当心paticence参数，这一点很重要，因为损失值并不总是在每个时期都减小。让模型在结束之前继续尝试几个新纪元。

最后，只需将回调以及大量的历时传递给fit：

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

Answer 2

EarlyStopping可以完全满足您的要求：当监视的数量（损失）停止改善时，它可以帮助您停止训练。这可以通过使用 patience 参数（给出次数）来完成，此后如果没有发现改善的情况（可能收敛），则应停止训练。还可以在possible duplicate中找到EarlyStopping使用情况信息。

to vizualize the training process也是有帮助的。

Answer 3

如果要手动停止keras，请使用鼠标位置作为输入：

ON CONFLICT DO NOTHING

网络完全融合后停止Keras Training

3 个答案: