内置支持tensorflow估计器中的ealy stopping

tensorflow中是否有内置的提前停止功能？我检查了tf提供的钩子。估计员，没有发现任何东西。或者我需要自己动手执行？

@Maxime， 实验成功了　这是我的部分代码，以防你对答案感兴趣。contrib中有一个特性，因此它可能不稳定

config = tf.contrib.learn.RunConfig(model_dir=FLAGS.train_dir)
# config = config.replace(sess_config=sess_config)
tf.logging.set_verbosity(logging.INFO)
validation_monitor = monitors.ValidationMonitor(
    input_fn=functools.partial(input_fn, subset="evaluation"),
    eval_steps=128,
    every_n_steps=101,
    early_stopping_metric="accuracy",
    early_stopping_rounds = 1000
)
run_monitors = [validation_monitor]
tf.contrib.learn.learn_runner.run(
    get_experiment_fn(train_input_fn=functools.partial(input_fn,subset="training"),
                      eval_input_fn=functools.partial(input_fn,subset="evaluation"),
                      train_steps=FLAGS.train_steps,
                      eval_steps=100,
                      train_hooks=run_monitors,
                      model_fn=model_fn_cnn
                      ),
    run_config = config
)

@马克西姆， 实验成功了　这是我的部分代码，以防你对答案感兴趣。contrib中有一个特性，因此它可能不稳定

config = tf.contrib.learn.RunConfig(model_dir=FLAGS.train_dir)
# config = config.replace(sess_config=sess_config)
tf.logging.set_verbosity(logging.INFO)
validation_monitor = monitors.ValidationMonitor(
    input_fn=functools.partial(input_fn, subset="evaluation"),
    eval_steps=128,
    every_n_steps=101,
    early_stopping_metric="accuracy",
    early_stopping_rounds = 1000
)
run_monitors = [validation_monitor]
tf.contrib.learn.learn_runner.run(
    get_experiment_fn(train_input_fn=functools.partial(input_fn,subset="training"),
                      eval_input_fn=functools.partial(input_fn,subset="evaluation"),
                      train_steps=FLAGS.train_steps,
                      eval_steps=100,
                      train_hooks=run_monitors,
                      model_fn=model_fn_cnn
                      ),
    run_config = config
)

---

也许这是可能的，但不确定。至少可以在单独的验证集上运行定期评估。确定。我看了一下实验。mybe我可以通过监视器：tf.contrib.learn.monitors.ValidationMonitor进入实验。我会尝试一下，稍后更新结果。也许有可能，但不确定。至少可以在单独的验证集上运行定期评估。确定。我看了一下实验。mybe我可以通过监视器：tf.contrib.learn.monitors.ValidationMonitor进入实验。我将尝试一下，稍后更新结果。