如何达到满足提前停止条件的纪元数答案

【问题标题】：how to reach the epoch number in which the early stopping criteria is met如何达到满足提前停止条件的纪元数
【发布时间】：2021-10-06 18:03:18
【问题描述】：

如果满足某些条件，我会使用回调来停止训练过程。我想知道如何访问由于回调而停止训练的纪元数。

import numpy as np
import random
import tensorflow as tf
from tensorflow import keras 


class stopAtLossValue(tf.keras.callbacks.Callback):
        def on_batch_end(self, batch, logs={}):
            eps = 0.01 
           
            if logs.get('loss') <= eps:
                 self.model.stop_training = True
                    
training_input=  np.random.random ([30,10])
training_output = np.random.random ([30,1])



model = tf.keras.Sequential([  
    tf.keras.layers.Flatten(input_shape=(10,)),
    tf.keras.layers.Dense(15,activation=tf.keras.activations.linear),
    tf.keras.layers.Dense(15, activation='relu'),
    tf.keras.layers.Dense(1) 
])   
                               
model.compile(loss="mse",optimizer = tf.keras.optimizers.Adam(learning_rate=0.01))

hist = model.fit(training_input, training_output, epochs=100, batch_size=100,  verbose=1, callbacks=[stopAtLossValue()])

对于这个例子，我的训练在第 66 个 epoch 完成，因为损失低于 0.01。

Epoch 66/100
1/1 [==============================] - 0s 5ms/step - loss: 0.0099
-----------------------------------------------------------------

【问题讨论】：

标签： python tensorflow keras tensorflow2.0

【解决方案1】：

简单的方法是获取history.history 对象的长度：

len(model.history.history['loss'])

更复杂的方法是从优化器获取迭代次数：

model.optimizer._iterations

【讨论】：

【解决方案2】：

如果你想在回调中获取纪元号，你应该使用on_epoch_end函数而不是on_batch_end。回调函数见以下代码

def on_epoch_end(self, epoch, logs={}):
    eps = 0.01 
    print(epoch) # This will print the number of epoch
    if logs.get('loss') <= eps:
          self.model.stop_training = True

【讨论】：