deep-learning - 在最佳结果/时期停止神经网络/LSTM

Question

我正在使用基于 LSTM 的神经架构来解决预测问题，以下代码行将给出一个想法：

model = Sequential()
model.add(InputLayer((X_train.shape[-2], X_train.shape[-1])))
model.add(LSTM(32, return_sequences=True))
model.add(LSTM(64))
model.add(Dense(8, 'relu'))
model.add(Dense(1, 'linear'))

model.compile(optimizer="rmsprop", loss="mse", metrics=["mae"])
history = model.fit(x=X_train,y=y_train,
                    epochs=1500,
                    validation_data=(X_val, y_val),
                    callbacks=callbacks)

我得到以下训练和验证错误图：

最佳解决方案出现在 epoch=1200，但由于我需要在循环中一次又一次地运行这个预测模型，我想以自动化/程序化的方式达到这一点。我尝试过提前停止，但由于训练/验证错误最初有点波动（在图中不是很明显），它在几个时期后停止了。

有什么建议么？