如何知道从 R 中完成了多少个深度学习 epoch？答案

【问题标题】：How do know how many deep learning epochs were done, from R?如何知道从 R 中完成了多少个深度学习 epoch？
【发布时间】：2016-08-29 23:53:47
【问题描述】：

h2o.deeplearning() 默认开启提前停止。但是，从 R 中，我如何知道它是否提前停止，以及它停止了多少个时期？我试过这个：

model = h2o.deeplearning(...) print(model)

它告诉我有关层、MSE、R2 等的信息，但不告诉我运行了多少个 epoch。

在 Flow 上，我可以看到信息（例如，x 轴在“评分历史 - 偏差”图表或评分历史表中停止的位置）。

【问题讨论】：

标签： r h2o

【解决方案1】：

如果您的模型被称为 m，那么仅获取训练的 epoch 数：last(m@model$scoring_history$epochs)

要查看可用的其他信息（实际上就是您在 Flow 界面中可以看到的所有信息）以及如何访问它，请使用 str(m)

还要注意这个命令：summary(m) 除了print(m) 显示的内容之外，它还添加了这个部分（对于深度学习模型）：

Scoring History: 
            timestamp   duration training_speed    epochs iterations       samples training_MSE training_deviance training_r2
1 2016-04-14 11:35:46  0.000 sec                  0.00000          0      0.000000
2 2016-04-14 11:35:52  5.218 sec 15139 rows/sec  10.00000          1  77150.000000      0.00000           0.00000     0.07884
...
7 2016-04-14 11:36:18 31.346 sec 25056 rows/sec 100.00000         10 771500.000000      0.00000           0.00000     0.72245

即您可以通过查看最后一行来查看 epoch 的总数。

顺便说一句，当应用于数据帧时，这与 h2o 的 summary() 命令不同；在这种情况下，它的行为类似于 R 的内置汇总函数，并显示数据框中每一列的统计信息。

【讨论】：

【解决方案2】：

我很有信心地说，达伦库克的答案只有在overwrite_with_best_model=FALSE 时才有效。无论如何，这个参数默认设置为TRUE，所以前面的答案可能会很误导，因为你可以部分找到here。您可以在以下输出中检查我的意思，使用 h2o.grid 调整网络并按照 Darren 的建议使用 m@model$scoring_history。

epochs     validation_classification_error
0.00000    0.46562
1.43150    0.50000
100.31780  0.46562

如您所见，如果 overwrite_with_best_model=TRUE 函数在最后一次迭代中保存了最佳模型，则 Darren 的解总是对应于最大时期数。假设您正在调整模型，我推荐以下解决方案：

epochsList = m@model$scoring_history$epochs
bestEpochIndex = which.min(m@model$scoring_history$validation_classification_error)
bestEpoch = epochsList[bestEpochIndex]
print(sprintf("The best epoch is: %d", bestEpoch))

【讨论】：

好点 - 我的问题和答案的重点是想知道在提前停止之前完成了多少个时期。我发现你的统计数据——达到某个指标最小值的时期数——也很有趣。不过，所有这些都应谨慎使用：您可以轻松地改变 +/-50% 的 epoch 以在每次运行中达到相同的结果。