在sklearn中训练神经网络时如何保存学习进度？

【问题标题】：How can I save the learning progress when training the neural network in sklearn?在sklearn中训练神经网络时如何保存学习进度？
【发布时间】：2021-03-30 18:43:20
【问题描述】：

我的意图是使用 MLPRegressor 对 (x,y) 元组数据集进行估计 y = f(x)。目标是在学习期间的每个 epoch 之后保存神经网络。我想制作一个动画来展示网络在学习过程中是如何变得更好的。

有没有办法在不修改源代码的情况下做到这一点？当我在不同的场合（例如优化）执行类似任务时，我只是使用了 callback 选项，该选项在此处不可用。

【问题讨论】：

标签： python scikit-learn neural-network

【解决方案1】：

这样的事情应该可以工作：

from sklearn import neural_network
m = neural_network.MLPRegressor()
# define data X, y

for j in m.max_iter:
    
    m.partial_fit(X=x, y=y) # or m.fit(X=x, y=y, incremental=True)           
    # <your code after each training increment>

partial_fit 似乎是为这种情况设计的。文档中写道：“通过对给定数据的单次迭代来更新模型。”提前停止可能会导致错误或警告，但应该易于处理。

【讨论】：

非常感谢，这对我很有帮助。
如果你想要一个“更好”的解决方案，你可以将模型子类化并在fit方法中添加一个回调函数