Python 如何让Keras模型在不同的fit调用中提前停止

由于数据维度对于我的任务来说很大，32个样本将消耗服务器中近9%的内存，其中总可用内存约为105G。所以我必须连续调用fit（）以适应循环。我还想通过连续调用fit（）提前停止

但是，由于Keras文档中引入的回调方法只适用于一个fit（）调用

在这种情况下，我怎么能早点停车

以下是我的代码片段：

for sen_batch, cls_batch in train_data_gen:

    sen_batch = np.array(sen_batch).reshape(-1, WORD_LENGTH, 50, 1)
    cls_batch = np.array(cls_batch)

    model.fit(x = sen_batch,y = cls_batch)

    num_iterations += 1

使用：因为您有generator-您可以使用generator traning代替经典的

fit

。此方法支持

回调

，因此您可以使用

无法使用

安装发电机时

： 因此，首先，您需要使用method-as

fit

call重置许多模型状态（例如优化器状态）

train\u on\u batch

方法返回一个损失值，但不接受回调。因此，您需要自行实施

提前停止

。你可以这样做，例如：

from six import next

patience = 4
best_loss = 1e6
rounds_without_improvement = 0

for epoch_nb in range(nb_of_epochs):
    losses_list = list()
    for batch in range(nb_of_batches):
        x, y = next(train_data_gen)
        losses_list.append(model.train_on_batch(x, y))
    mean_loss = sum(losses_list) / len(losses_list)

    if mean_loss < best_loss:
        best_loss = mean_loss
        rounds_witout_improvement = 0
    else:
        rounds_without_improvement +=1

    if rounds_without_improvement == patience:
        break

从六个导入下一个
耐心=4
最佳损耗=1e6
没有改善的四舍五入=0
对于范围内的历元（历元中的历元）：
损失列表=列表（）
对于范围内的批次（批次中的nb批次）：
x、 y=下一个（列车数据生成）
损失清单。追加（批量（x，y）上的型号系列）
平均损失=总和（损失清单）/长度（损失清单）
如果平均损失<最佳损失：
最佳损失=平均损失
四舍五入，无改善=0
其他：
四舍五入，无改善+=1
如果没有改善的话=耐心：
打破

使用：因为您有generator-您可以使用generator traning代替经典的

fit

。此方法支持

回调

，因此您可以使用

无法使用

安装发电机时

： 因此，首先，您需要使用method-as

fit

call重置许多模型状态（例如优化器状态）

train\u on\u batch

方法返回一个损失值，但不接受回调。因此，您需要自行实施

提前停止

。你可以这样做，例如：

from six import next

patience = 4
best_loss = 1e6
rounds_without_improvement = 0

for epoch_nb in range(nb_of_epochs):
    losses_list = list()
    for batch in range(nb_of_batches):
        x, y = next(train_data_gen)
        losses_list.append(model.train_on_batch(x, y))
    mean_loss = sum(losses_list) / len(losses_list)

    if mean_loss < best_loss:
        best_loss = mean_loss
        rounds_witout_improvement = 0
    else:
        rounds_without_improvement +=1

    if rounds_without_improvement == patience:
        break

从六个导入下一个
耐心=4
最佳损耗=1e6
没有改善的四舍五入=0
对于范围内的历元（历元中的历元）：
损失列表=列表（）
对于范围内的批次（批次中的nb批次）：
x、 y=下一个（列车数据生成）
损失清单。追加（批量（x，y）上的型号系列）
平均损失=总和（损失清单）/长度（损失清单）
如果平均损失<最佳损失：
最佳损失=平均损失
四舍五入，无改善=0
其他：
四舍五入，无改善+=1
如果没有改善的话=耐心：
打破