在Keras中确定模型拟合的轮数

Question

我试图自动确定Keras自编码器何时收敛。例如，查看此链接中的“让我们构建最简单的自编码器”。epoch数量在50个时（当损失值收敛时），是硬编码的。然而，如果您不知道数字是50，您该如何使用Keras进行编码？您只需不断调用fit()吗？

- quil

Answer 1

这个问题实际上非常广泛而且困难。有许多技术可以设置epoch的数量：

• 提前停止- 在这种情况下，您将epoch的数量设置为非常高的数字，并在接下来的epoch没有令人满意的改进时关闭训练。在Keras中，您有一个特殊的对象叫做EarlyStopping可以为您完成此工作。
• 模型检查点 - 在这里，您再次设置非常高的epoch数，然后只保存相对于所选择的指标最佳的模型。同样，在这种情况下，您有一个特殊的回调函数

当然，还有其他情况，例如使用强化学习来找到停止时间或更复杂的情况，例如在贝叶斯超参数设置中选择此选项，但这些方法通常更难以实现且不会带来任何改善。

确定的一点是，重新启动fit方法可能会导致意外行为，因为模型的许多内部状态被重置，这可能会导致不稳定性。对于这种情况，我强烈建议您使用train_on_batch，该方法不会重置模型状态并且可以实现许多高级训练场景。

- Marcin Możejko

---

不错的答案！但是在使用提前停止时要小心。有时模型可能会经历鞍点，在这种情况下，模型正在缓慢变得更好，但实际上它前面存在巨大的损失减少。然而，当您的损失不会太多动，并且准确性不高时，才会出现这种情况。我通常会训练多个模型并设置检查点，这是您提到的第二个选项。 - Amir Zadeh