在 Keras 中使用 EarlyStopping 回调时如何获得最佳模型？答案

【问题标题】：How to get the best model when using EarlyStopping callback in Keras?在 Keras 中使用 EarlyStopping 回调时如何获得最佳模型？
【发布时间】：2018-10-30 03:27:15
【问题描述】：

我正在使用基于val_acc 和patience=0 的EarlyStopping 使用Keras 训练神经网络。只要val_acc 减少，EarlyStopping 就会停止训练。

但是我得到的最终模型并不是最好的模型，即val_acc 最高的模型。但是我宁愿拥有对应于之后时代的模型，即对应于val_acc的模型比最好的模型低一点，导致提前停止！

如何获得最好的？

我尝试使用回调使用保存最佳模型：

ModelCheckpoint(filepath='best_model.h5', monitor='val_loss', save_best_only=True)]

但我得到了相同的结果。

【问题讨论】：

标签： python machine-learning neural-network keras

【解决方案1】：

如果你想保存最高精度，那么你应该设置检查点monitor='val_acc'它会自动保存在最高。最低损失不一定对应于最高准确度。您还可以设置verbose=1 来查看正在保存的模型以及原因。

【讨论】：

我确实是这样做的。我监控 val_acc。我现在将详细设置为 1 以了解会发生什么
这个答案是正确的。即使您将patiente 设置为 0，您的训练仍将持续 1 个 epoch。因为从逻辑上讲，您还需要一个 epoch 来确定模型不再改进。不过ModelCheckpoint 为您保存了最好的模型。你只需要加载它：best_model = load_model(filepath='best_model.h5')

【解决方案2】：

在Keras 2.2.3 中，为EarlyStopping 回调引入了一个名为restore_best_weights 的新参数，如果设置为True（默认为False），它将从具有最佳监控的时期恢复权重数量：

restore_best_weights：是否从监测量的最佳值的epoch恢复模型权重。如果False，则使用在训练的最后一步获得的模型权重。

【讨论】：