从生成器训练 keras 模型，获取每个 epoch 的反馈并利用 Early stop 算法答案

【问题标题】：Train keras model from generator, get the feedback for each epoch and utilize an Early stopping algorithm从生成器训练 keras 模型，获取每个 epoch 的反馈并利用 Early stop 算法
【发布时间】：2018-09-05 08:59:05
【问题描述】：

在训练模型时，我想在 Keras 中做三件事：

使用生成器
获取每个 epoch 的历史反馈
使用提前停止

一个 sn-p 看起来像这样：

loss = []
acc = []
val_loss = []
val_acc = []

# Outer loop needed for getting the history of each epoch
for i in range(0,100):
    hist = model.fit_generator(train_data.flow(x_train_np,y_train_np,batch_size=8),
                               validation_data = validation_data.flow(x_val_np,y_val_np,batch_size=8),
                               epochs=1,
                               samples_per_epoch=len(x_train_np),
                               callbacks=[earlystop])
    loss.append(hist.history['loss'])
    acc.append(hist.history['acc'])
    val_loss.append(hist.history['val_loss'])
    val_acc.append(hist.history['val_acc'])

需要循环来获取每个 epoch 的反馈。但是，这将导致在 earlystopping 停止之后继续训练。

那么有没有办法知道循环内部何时发生提前停止，以便我可以手动中断它？

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

使用fit_generator() 的steps_per_epoch 参数。这使您可以将 epochs >1 设置为不再需要循环。

现在提前停止和 hist 将与在静态数据集上正常调用 fit() 完全一致。

为此，您的生成器需要在达到一个时期结束后继续工作（意思是每个时期的步数定义的批次数）

【讨论】：