如何知道有多少深度学习的时代，从R？

Question

在默认情况下，h2o.deeplearning()会打开早期停止。但是，从R中，我如何找出它是否早停，以及它有多少个时代？我试过这个：

model = h2o.deeplearning(...) print(model)

它告诉我有关层、MSE、R2等方面的信息，但是没有任何关于运行多少个时代的信息。

在流程上，我可以看到信息(例如，x轴在“记分历史-偏离”图表中停止的位置，或者在得分历史表中的位置)。

Answer 1

如果您的模型名为m，那么只需要得到训练过的时代数：last(m@model$scoring_history$epochs)

要查看可用的其他信息(这实际上是您在流接口中可以看到的所有信息)以及如何访问它，请使用str(m)

还请注意以下命令：summary(m)，除了print(m)显示的内容外，它还添加了本节(对于深度学习模型)：

Scoring History: 
            timestamp   duration training_speed    epochs iterations       samples training_MSE training_deviance training_r2
1 2016-04-14 11:35:46  0.000 sec                  0.00000          0      0.000000
2 2016-04-14 11:35:52  5.218 sec 15139 rows/sec  10.00000          1  77150.000000      0.00000           0.00000     0.07884
...
7 2016-04-14 11:36:18 31.346 sec 25056 rows/sec 100.00000         10 771500.000000      0.00000           0.00000     0.72245

也就是说，通过查看最后一行，你可以看到总划期数。

顺便说一句，当应用于数据帧时，这与H2O的summary()命令不同；在这种情况下，它的行为类似于R的内置摘要函数，并显示数据帧中每列的统计信息。

Answer 2

我很有信心地说，达伦·库克的回答只有在overwrite_with_best_model=FALSE的时候才有效。无论如何，默认情况下，此参数设置为TRUE，因此，由于可以部分找到here的原因，前面的答案可能会引起很大的误解。您可以在下面的输出中检查我的意思，使用h2o.grid对网络进行调优，并按照达伦的建议使用m@model$scoring_history。

epochs     validation_classification_error
0.00000    0.46562
1.43150    0.50000
100.31780  0.46562

如您所见，如果overwrite_with_best_model=TRUE比函数在上一次迭代中保存了最好的模型，那么达伦的解总是对应于最大的历元数。假设您正在优化您的模型，我推荐以下解决方案：

epochsList = m@model$scoring_history$epochs
bestEpochIndex = which.min(m@model$scoring_history$validation_classification_error)
bestEpoch = epochsList[bestEpochIndex]
print(sprintf("The best epoch is: %d", bestEpoch))