是否只有在第一个，比方说100个时代之后，才能在Keras实现早期停止？

Question

我的拟合函数是非凸的，因此损失函数有时会在改进之前恶化。考虑到这一点，我想使用早期停止，但只在前100个或更多个时代之后。到目前为止我有这样的想法：

# Early stopping
ES = [EarlyStopping(monitor='val_loss',patience=100,verbose=1,mode='auto')]

# fit model
history = model.fit(x_train, y_train, epochs=1000,batch_size=50,verbose=2,shuffle=True,validation_split=.1,callbacks=ES)

不幸的是，十多年后，这种适应就会提前停止。我想等到第100世纪才开始早停。有什么想法吗？除早期停工外，任何其他建议也将不胜感激。

Answer 1

如果你使用patience=100，你的训练不应该在100年代之前停止。但是，如果您希望有一个简短的patience，但也希望它稍后启动，您可以使用由colllin描述的方法。如果您想要进一步的定制，您可以在这里定义自己的回调，在这里，EarlyStopping作为父级。出于您的目的，您只需要覆盖初始化程序，on_epoch_end方法就可以找到这里了。

class CustomStopper(keras.callbacks.EarlyStopping):
    def __init__(self, monitor='val_loss',
             min_delta=0, patience=0, verbose=0, mode='auto', start_epoch = 100): # add argument for starting epoch
        super(CustomStopper, self).__init__()
        self.start_epoch = start_epoch

    def on_epoch_end(self, epoch, logs=None):
        if epoch > self.start_epoch:
            super().on_epoch_end(epoch, logs)

您只需给出从要监视标准到初始化程序的最早时间，并在从父类调用函数之前检查条件。