问题标签 [early-stopping]

自从我开始使用 TextWatcher 以来，我的应用程序一直在崩溃...正如您在下面看到的，我为 3 个 EditText 字段创建了一个 TextWatcher...并且我制作了一个按钮来监听 3 个 EditText .. 如果它们为空，则按钮将被禁用. 填写字段后，按钮应启用..

这是我的日志...

我正在尝试使用 Keras，EarlyStopping但是每当我尝试使用restore_best_weights它时都会出现错误：

_init_() got an unexpected keyword argument 'restore_best_weights'

我正在使用最新的 Keras，所以我真的不确定为什么会这样。

我正在做一个实验，我需要跟踪模型最终何时会提前停止，但实际上并没有提前停止训练。为什么？因为我需要分析模型在开始明显过度拟合后的实际行为。

那么，有没有一种方法可以跟踪模型何时提前停止而无需实际提前停止？

当然，可以手动跟踪损失（或性能）并手动确定模型何时会过度拟合（例如，在验证数据没有改进的 5 次迭代之后，我们可以记录可能的“过度拟合”情况），但我想知道是否有回调或可以让我自动执行此操作的东西。

我是深度学习和 Keras 的新手，并尝试使我的模型分类更准确。因为只有 75 个数据，所以我将 60 个用于训练和 15 个用于验证（80/20）分开，所以很容易过拟合。我尝试添加更多层、更多单元、减少层、单元、增加和减少学习率等以获得更好的性能。

从之前的运行中，我知道我的 val_acc 在大约 100-150 个时期内下降到 0.8，所以我想在那个时候停止训练以避免下降。

我目前以 5 的批大小进行训练，每次拟合由 350 个 epoch 组成。现在我想使用 Earlystopping 在最接近的训练和验证准确度时期停止，但还没有成功。

我尝试将监视器“val_acc”设置为至少达到基线值为 0.8，然后添加 min_delta = 0.01，以期仅在达到基线后应用此规则，但这没有帮助。加了早停功能后，为什么还没达到基线就这么早停了？每次我改变耐心时，训练都会停止在“那个”耐心。

这是我的代码。

为什么这么早就停止了，没有达到基线？这有什么原因吗？我应该如何调整功能以满足我的期望？或者是否有任何好的实践可以用来获得最高的验证准确性？

谢谢！

我正在使用以下代码训练模型

这是为了在 val_loss: 参数在 3 个 epoch 后没有改善时停止训练。结果如下所示。我的问题是模型会以第 8 或第 7 轮的权重停止。因为第 8 轮的性能变差了，所以它停止了。但是该模型以一个糟糕的性能参数前进了 1 个 epoch，因为之前的一个（epoch 7）更好。我现在需要用 7 个 epoch 重新训练模型吗？

我正在尝试使用rmsle作为评估指标在 Python 中训练 lightgbm ML 模型，但是当我尝试包含提前停止时遇到了问题。

这是我的代码：

如果我更改early_stopping_rounds=Falsetrain_lightgbm 方法，代码编译没有问题。

但是，如果我设置early_stopping_rounds=True它会抛出以下内容：

ValueError：对于提前停止，至少需要一个数据集和评估指标进行评估。

如果我运行一个类似的脚本，但在 sample_params 中使用 'metric': 'rmse' 而不是 'rmsle'，即使early_stopping_rounds=True.

我需要为 lightgbm 添加什么来识别我的数据集和评估指标？谢谢！

我在 val_loss 中调节 earlystop，如下所示：

它在 3 个时期没有改善后正确停止，但我看不出它从哪里损失为 1.73011？任何人都可以帮忙吗？另请注意，即使在第一个 epoch 之后它也开始了，它不应该等待至少两个 epoch 进行比较然后声明“没有改进（减少）”损失吗？

训练过程时期

如何通过 keras 中的回调有效地停止训练模型的拟合过程？到目前为止，我已经尝试了各种方法，包括下面的一种。

回调已执行，但self.model.stop_training = True似乎没有效果。打印成功，但模型继续训练。知道如何解决这个问题吗？我的张量流版本是：张量流==1.14.0

我正在循环中测试顺序模型的准确性，包括提前停止回调。

我的环境是

我在 jupyter notebook 中运行我的测试。

Python 版本是 3.7.7

我的回调是

我的 create_model() 是

对于第一个模型，回调响应从 inf 开始，用于 val_loss

对于循环中的其他模型，我的回调保留了前一个模型的结果，并且不是从 inf 开始，而是使用前一个模型的最佳最小 val_loss 值。

如何解决这种行为，以便每个模型迭代都以自己的回调清除值开始？

我尝试设置model.reset_states()和/或tf.keras.backend.clear_session()在循环中没有成功。

编辑

经过进一步调查，我发现回调发送的消息具有误导性。如果我verbose=0输入回调参数和verbose=2参数**model.fit**，我可以看到回调按预期工作。

我已经构建了一个通用的 Unet 来使用 Keras 训练我自己的数据集。我已将 EarlyStopping 选项设置如下。但是，在训练过程中，它一直提示精度值没有变化，但在下一行，它显然在变化。有没有人遇到过这个问题或知道如何解决这个问题？

在此处输入图像描述