确定 Keras 中模型拟合的时期数
Determining number of epochs for model fitting in Keras
我正在尝试自动确定 Keras 自动编码器何时收敛。比如看这个link下"Let's build the simplest autoencoder possible."的epochs数硬编码为50（损失值收敛时）。但是，如果您不知道数字是 50，您将如何使用 Keras 对此进行编码？你会一直打电话给 fit() 吗？
这个问题其实宽得离谱而且难得离谱。关于如何设置epochs的数量有很多技巧：
- Early stopping- 在这种情况下，您将 epoch 的数量设置为非常高的数字，并在下一个 epoch 的改进不令人满意时关闭训练。在
Keras 中，您有一个名为 EarlyStopping 的特殊对象，它可以为您完成这项工作。
- 模型检查点 - 在这里您再次设置了非常多的 epoch，并且您只保存最好的模型 w.r.t。到所选的指标。对于这种情况，您又一次有了特殊的 callback。
当然还有其他场景，比如当您在贝叶斯超参数设置中选择此选项时，使用强化学习来查找停止时间或更复杂的场景，但这些方法要难得多，通常不会引入任何改进。
可以肯定的是，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都被重置，这可能会导致不稳定。对于这种情况，我强烈建议您使用 train_on_batch，它不会重置模型状态并使许多奇特的训练场景成为可能。
我正在尝试自动确定 Keras 自动编码器何时收敛。比如看这个link下"Let's build the simplest autoencoder possible."的epochs数硬编码为50（损失值收敛时）。但是，如果您不知道数字是 50，您将如何使用 Keras 对此进行编码？你会一直打电话给 fit() 吗？
这个问题其实宽得离谱而且难得离谱。关于如何设置epochs的数量有很多技巧：
- Early stopping- 在这种情况下，您将 epoch 的数量设置为非常高的数字，并在下一个 epoch 的改进不令人满意时关闭训练。在
Keras中，您有一个名为 EarlyStopping 的特殊对象，它可以为您完成这项工作。 - 模型检查点 - 在这里您再次设置了非常多的 epoch，并且您只保存最好的模型 w.r.t。到所选的指标。对于这种情况，您又一次有了特殊的 callback。
当然还有其他场景，比如当您在贝叶斯超参数设置中选择此选项时，使用强化学习来查找停止时间或更复杂的场景，但这些方法要难得多，通常不会引入任何改进。
可以肯定的是，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都被重置，这可能会导致不稳定。对于这种情况，我强烈建议您使用 train_on_batch，它不会重置模型状态并使许多奇特的训练场景成为可能。