提前停止使用验证回调答案

【问题标题】：Early stop using validation callback提前停止使用验证回调
【发布时间】：2020-11-16 11:11:47
【问题描述】：

我正在尝试使用验证 (val_loss) 进行回调，但没有进行验证。此警告显示为“警告：tensorflow：提前停止以不可用的指标 val_loss 为条件。可用指标为：损失、准确性”

`check=callbacks.EarlyStopping(monitor='val_accuracy', mode='auto',patience=2,verbose=1)
 
 history = model.fit(train_dataset,
                          steps_per_epoch=163,
                          epochs=10,
                          validation_data=val_dataset,
                          validation_steps=624,
                          callbacks = [check])`

【问题讨论】：

您是否尝试跳过 validation_steps 参数？您的数据的长度/大小是多少？在我看来，您的 validation_steps 参数可能高于您可用的验证数据的实际大小（val_dataset，如您所定义）
你能添加你的model.compile语句吗？以及使错误重现成为可能的完整代码。
谢谢，@IvanPetrovicMarkovic 我删除了validation_steps，它起作用了。尽管我仅将validation_steps 计算为len/size。

标签： python tensorflow keras tf.keras

【解决方案1】：

在此处提供解决方案（回答部分），即使它出现在评论部分为了社区的利益。

如果我们删除参数validation_steps，上面包含Early Stopping 和model.fit 的代码可以正常工作。

工作代码如下所示：

check=callbacks.EarlyStopping(monitor='val_accuracy', mode='auto',patience=2,verbose=1)
 

history = model.fit(train_dataset,
                              steps_per_epoch=163,
                              epochs=10,
                              validation_data=val_dataset,
                              callbacks = [check])

原因可以从参数对应的Tensorflow Documentation中理解，validation_steps如下图：

validation_steps： 仅当提供了validation_data 并且是tf.data 数据集时才相关。步骤总数（样本批次）到在每个结束时执行验证时在停止之前绘制时代。如果 'validation_steps' 为 None，则验证将一直运行到 validation_data 数据集已用尽。在无限的情况下重复数据集，它将陷入无限循环。如果 'validation_steps' 被指定并且只有部分数据集将被消耗，评估将从数据集的开头开始在每个时代。这确保使用相同的验证样本每次。

【讨论】：