Python 在Keras中使用earlystoping回调时如何获得最佳模型？

我正在使用基于

val_acc

和

patience=0

的

earlystoping

使用Keras训练神经网络<代码>早期停止在

val_acc

减少时立即停止训练

然而，我得到的最终模型不是最好的模型，即具有最高

val_acc

的模型。但我更愿意使用对应于后一个历元的模型，即对应于a

val_acc

的模型，该模型略低于最佳模型，这导致了提前停止

我怎样才能买到最好的

我尝试使用“保存最佳模型”并使用回拨：

ModelCheckpoint(filepath='best_model.h5', monitor='val_loss', save_best_only=True)]

---

但是我得到了相同的结果。

如果您想保存最高精度，那么您应该设置检查点

monitor='val\u acc'

它将自动保存在最高精度。最低的损失未必对应最高的准确度。您还可以设置

verbose=1

，以查看保存的模型及其原因。

在中，为回调引入了一个名为

restore\u best\u weights

的新参数，如果设置为

True

（默认为

False

），它将从具有最佳监控量的历元恢复权重：

恢复最佳权重：是否从具有监控数量最佳值的历元恢复模型权重。如果

False

，则 使用在训练的最后一步获得的模型权重

---

我真的这么做了。我在val_acc上进行监控。我现在将verbose设置为1，以确定发生了什么。这个答案是正确的。即使将

patiente

设置为0，您的训练也将持续1个历元。这仅仅是因为从逻辑上讲，您还需要一个新纪元来确定模型不再改进。然而，

ModelCheckpoint

为您保存了最佳模型。您只需要加载它：

best\u model=load\u model（filepath='best\u model.h5'）