Python 有没有一种方法可以在第一个（比如说）100个时代之后在Keras实施早期停车

我的拟合函数是非凸的，因此损失函数有时会在改善之前恶化。考虑到这一点，我想使用提前停止，但仅在前100个或更多的时间之后。到目前为止，我有：

# Early stopping
ES = [EarlyStopping(monitor='val_loss',patience=100,verbose=1,mode='auto')]

# fit model
history = model.fit(x_train, y_train, epochs=1000,batch_size=50,verbose=2,shuffle=True,validation_split=.1,callbacks=ES)

---

不幸的是，在大约10个时代之后，拟合很早就停止了。我想等到第100个纪元才开始早停。有什么想法吗？除提前停车外的任何建议也将不胜感激

如果你使用

patience=100

你的训练不应该在100岁前停止。但是，如果您想有一个简短的

耐心

，但又想以后再开始，您可以使用colllin描述的方法。如果您想要进一步定制，您可以始终定义自己的回调，这里使用

earlystoping

作为父级。出于您的目的，您只需要覆盖初始值设定项和找到的

on\u epoch\u end

方法：

class CustomStopper（keras.callbacks.earlystoping）：
def _u初始（自我，监视器='val_loss'，
min_delta=0，patience=0，verbose=0，mode='auto'，start_epoch=100）：#为start epoch添加参数
超级（CustomStopper，self）。\uuuu init\uuuuu（）
self.start\u epoch=start\u epoch
def on_epoch_end（self、epoch、logs=None）：
如果epoch>self.start\u epoch：
超级（）。在“历元”结束时（历元，日志）

---

在从父类调用函数之前，只需向初始值设定项提供希望监视条件的最早时间点，并检查条件

输出中是否有类似“第10纪元：提前停止”的行？如果不是，则不是回调终止了培训。因为如果patience=100，它真的应该至少等待这100个时代（见其在的实现），你不能调用

model.fit（epochs=100，…，callbacks=[]）

而不调用ES回调，然后调用

model.fit（epochs=900，…，callbacks=ES）

？我喜欢这个想法。在不使代码复杂化的情况下，似乎工作得很好。谢谢很酷。因此，为了正确理解这一点，新继承的类CustomStopper添加了一个变量start_epoch（如init方法所示）。然后，新的on_epoch_end语句说，如果当前epoch是>start_epoch，那么使用on_epoch_end的基类版本？抱歉，我是新手，不太理解super（）语句。@kchow462是的。这是正确的：

super（）

调用父类的函数。因此，结果是你可以有一个短暂的耐心，但检查结果是否变得更好只会在给定的时间后开始。我不知道它在python2中是如何工作的，但我正在使用python3，我需要使用super（CustomStopper，self）。\uuuu init_uuuuuuuuuu（监视器=监视器，耐心=耐心，min_delta=min_delta，mode=mode）用于将我的参数传递给父类。否则它只使用默认参数