在达到一定的准确度后,有没有办法停止在Keras训练模型？

Question

我知道在使用fit_generator方法训练时很容易提到时代的数量.我有很多要训练的图像,我不能一次使用数组来加载它们,因为它显示了MemoryError.我需要在达到一定的验证准确度(例如98%)后停止培训.如果在给定的历元数量之后尚未达到准确度,则训练将停止.在Keras有什么办法吗？我正在使用Tensorflow后端.

编辑:我EarlyStopping在Keras 看过模块,但它只跟踪监控数量的变化.

Answer 1

您可以EarlyStopping从Keras 获取代码.

class EarlyStoppingByAccuracy(Callback):
    def __init__(self, monitor='accuracy', value=0.98, verbose=0):
        super(Callback, self).__init__()
        self.monitor = monitor
        self.value = value
        self.verbose = verbose

    def on_epoch_end(self, epoch, logs={}):
        current = logs.get(self.monitor)
        if current is None:
            warnings.warn("Early stopping requires %s available!" % self.monitor, RuntimeWarning)

        if current >= self.value:
            if self.verbose > 0:
                print("Epoch %05d: early stopping THR" % epoch)
            self.model.stop_training = True

并且可以使用如下定制的早期停止

callbacks = [
    EarlyStoppingByAccuracy(monitor='accuracy', value=0.98, verbose=1),
    ModelCheckpoint(kfold_weights_path, monitor='val_loss', save_best_only=True, verbose=0),
]
model.fit(X_train.astype('float32'), Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
      shuffle=True, verbose=1, validation_data=(X_valid, Y_valid),
      callbacks=callbacks)