Python Keras自定义回调：网格点训练终止条件

我正在使用

scikit learn

中的

GridSearchCV

在

keras

中对我的神经网络进行网格搜索。我想定制

回调

，这样每次在一个网格点上完成网络训练时，我都可以打印出拟合完成

假设我将网格定义如下：

param_grid = dict(epochs=[50, 100, 500, 1000],
              learn_rate=[0.1, 0.2, 0.3], 
              momentum=[0.01, 0.1], 
              dropout_rate=[0.05, 0.1, 0.15, 0.2])

我将网格上的可能性总数计算为：

grid_size = reduce(lambda x,y: x*y,[len(param_grid_[key]) for key in param_grid])

这些回调包括：

from keras.callbacks import ModelCheckpoint, EarlyStopping
# checkpoint
filepath="best_model.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, 
save_best_only=True, mode='max')
# Early stoping
monitor = EarlyStopping(monitor='val_loss', min_delta=1e-5, patience=200, 
verbose=1, mode='auto')

callbacks_list = [checkpoint, monitor, LiveGridReport()]

其中

LiveGridReport（）

是我的自定义回调，它打印关于在网格点上完成培训的消息

class LiveGridReport(keras.callbacks.Callback):

    def __init__(self, grid_size):
        grid_size_ = grid_size

    def on_train_begin(self, logs={}):
        return

    def on_train_end(self, logs={}):
        return

---

我的问题是，考虑到我还有

earlystoping

回调，我无法确定如何检测网格点上的训练已终止。

使用

earlystoping

回调时，确定在哪个历元训练停止，可以使用

还是利用历史

history = model.fit(....)
number_of_epochs_it_ran = len(history.history['loss'])

history = model.fit(....)
number_of_epochs_it_ran = len(history.history['loss'])