python - Keras Callback EarlyStopping 比较训练和验证损失

Question

我正在 Python Keras 中拟合神经网络。

为了避免过度拟合，我想监控训练/验证损失并创建一个适当的回调，当训练损失远小于验证损失时停止计算。

一个回调的例子是:

callback = [EarlyStopping(monitor='val_loss', value=45, verbose=0, mode='auto')]

当训练损失与验证损失相比太少时，有什么方法可以停止训练吗？

提前致谢

Answer 1

您可以根据自己的目的创建自定义回调类。

我已经创建了一个应该符合您需要的:

class CustomEarlyStopping(Callback):
    def __init__(self, ratio=0.0,
                 patience=0, verbose=0):
        super(EarlyStopping, self).__init__()

        self.ratio = ratio
        self.patience = patience
        self.verbose = verbose
        self.wait = 0
        self.stopped_epoch = 0
        self.monitor_op = np.greater

    def on_train_begin(self, logs=None):
        self.wait = 0  # Allow instances to be re-used

    def on_epoch_end(self, epoch, logs=None):
        current_val = logs.get('val_loss')
        current_train = logs.get('loss')
        if current_val is None:
            warnings.warn('Early stopping requires %s available!' %
                          (self.monitor), RuntimeWarning)

        # If ratio current_loss / current_val_loss > self.ratio
        if self.monitor_op(np.divide(current_train,current_val),self.ratio):
            self.wait = 0
        else:
            if self.wait >= self.patience:
                self.stopped_epoch = epoch
                self.model.stop_training = True
            self.wait += 1

    def on_train_end(self, logs=None):
        if self.stopped_epoch > 0 and self.verbose > 0:
            print('Epoch %05d: early stopping' % (self.stopped_epoch))

我冒昧地解释说，如果 train_loss 和 validation_loss 之间的比率低于某个ratio 阈值，你想停止.此比率参数应介于 0.0 和 1.0 之间。但是，1.0 是危险的，因为验证损失和训练损失可能在训练开始时以不稳定的方式波动很大。

您可以添加一个 patience 参数，它会等待查看突破阈值是否会持续一定数量的 epoch。

使用方法例如:

callbacks = [CustomEarlyStopping(ratio=0.5, patience=2, verbose=1), 
            ... Other callbacks ...]
...
model.fit(..., callbacks=callbacks)

在这种情况下，如果训练损失保持低于 0.5*val_loss 超过 2 个时期，它将停止。

这对你有帮助吗？