我的问题是我为100个时代运行了一个keras模型（给定时代= 100），并停止了一段时间以冷却CPU和GPU。 我又跑了100个纪元，而损失从前100个纪元停止的地方开始减少。 它在所有条件下都能工作吗？ 就像我要训练模型的时间为1000个周期一样，是否可以每隔100个周期后停下来，等我的CPU和GPU冷却并运行下一个100个周期。 我可以这样做吗？
答案 0 :(得分：3)
它不能在所有条件下工作。例如，如果您对数据进行混洗并执行如下所示的验证拆分：
APPEND_VALUES您将使用整个数据集进行训练，这不是您期望的。
此外，通过多次拟合，您将擦除历史信息（每个时期的准确性，损失等），由：
fit(x,y,epochs=1, verbose=1, validation_split=0.2, shuffle=True)
因此，某些使用此历史记录的回调函数将无法正常工作，例如EarlyStopping（源代码here）。
否则，它可以正常工作，因为它不会像keras优化器（Adadelta optimizer)的源代码中所看到的那样混乱。
但是，我不建议您这样做。，因为这可能会导致将来开发中的错误。一种更清洁的方法是创建一个具有这样延迟的自定义回调函数：
model.history