tensorflow：只能在 val_loss 可用的情况下保存最佳模型

Question

我看到有人提出了类似的问题，但 val_acc 未显示可用。我已经尝试了针对该案例列出的解决方案。

我的意思是我检查了历史记录中的键，并且“val_loss”作为键之一存在。我还传递了一个验证数据，所以它不会因为没有传入验证数据而引发错误。注意：我之前使用了 1000 个 epoch，我现在只是使用 1 来快速测试。无论我做什么，我似乎都无法让我的模型学习，并且它在每一步都会一遍又一遍地引发标题中提到的错误。我对 Keras 比较陌生，所以我想问问你们在下面的实现中是否有任何错误。如果没有，我将不胜感激任何可能导致问题的原因的帮助。

    checkpoint = ModelCheckpoint("rcnn_model", monitor='val_loss', verbose=1, save_best_only=True, save_weights_only=False, mode='auto', save_freq=1)
    early_stop = EarlyStopping(monitor='val_loss', min_delta=0, patience=100, verbose=1, mode='auto')

    trdata = ImageDataGenerator(horizontal_flip=True, vertical_flip=True, rotation_range=90)
    traindata = trdata.flow(x=datasets.train_X, y=datasets.train_Y)
    tsdata = ImageDataGenerator(horizontal_flip=True, vertical_flip=True, rotation_range=90)
    testdata = tsdata.flow(x=datasets.test_X, y=datasets.test_Y)

    hist = model.fit_generator(generator= traindata, steps_per_epoch= 10, epochs= 1, validation_data= testdata, validation_steps=2, callbacks=[checkpoint,early_stop])

Answer 1

如果您的意思是要在某个 acc 停止训练，您可以在 val.acc 升高到您通过键入以下代码定义的点时停止训练模型：

Class MyCallBack(tensorflow.keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs={}):
        if(logs.get("val_accuracy")>0.95): # you can change the value
            self.model.stop_training=True

Newcb = MyCallBack()

然后使用分配给类的变量作为model.fit中的回调。 我希望这会有所帮助。