python - 在达到一定的准确性后，有什么方法可以停止在 Keras 中训练模型？

Question

我知道在使用 fit_generator 进行训练时很容易提及 epoch 的数量。方法。我有很多图像要训练，我不能使用数组一次加载它们，因为它显示 MemoryError .在达到一定的验证准确率(比如 98%)后，我需要停止训练。如果在给定的 epoch 数之后仍未达到准确度，则训练将停止。在 Keras 有没有办法做到这一点？我正在使用 TensorFlow 后端。

编辑:我见过 EarlyStopping Keras 中的模块，但它只跟踪监控量的变化。

Answer 1

您可以获取 EarlyStopping 的代码来自喀拉斯。

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

并且自定义的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)