我正在处理一堆图像数据集，
但是需要花费很多时间来学习，所以我在tensorflow中使用了Earlystopping
这是我的回调选项和fit选项
（我知道监视acc不是一个好选择，但只是想看看Earlystopping是如何工作的）
tf.keras.callbacks.EarlyStopping(
monitor='accuracy',
patience=3,
#mode='max',
verbose=2,
baseline=0.98)
model.fit(x, y, batch_size=16, epochs=10, verbose=2, validation_split=0.2, callbacks=callbacks)
但是，这是结果
101/101 - 42s - loss: 6.9557 - accuracy: 6.2461e-04 - val_loss: 6.9565 - val_accuracy: 0.0000e+00
Epoch 2/10
101/101 - 39s - loss: 6.9549 - accuracy: 0.0019 - val_loss: 6.9558 - val_accuracy: 0.0000e+00
Epoch 3/10
101/101 - 37s - loss: 6.9537 - accuracy: 0.0037 - val_loss: 6.9569 - val_accuracy: 0.0000e+00
Epoch 00003: early stopping
由于监视值“准确性”一直在增加，因此期望它不会停止。
另外，我想尽早监控这样的访问控制
acc=0, acc=0.1....acc=0.5, acc=0.4, acc=0.5, acc=0.6 #dont stop if increases again in patience epoch
acc=0, acc=0.1....acc=0.5, acc=0.3, acc=0.4, acc=0.35 #stop if acc does not increases again in patience epoch
我该怎么办？
问题在于使用 Baseline
根据文档，其定义为：
Baseline value for the monitored quantity. Training will stop if the model doesn't show improvement over the baseline.
通过将“基线”设置为98％，您可以说该模型的准确性始于98％，并且在超过3个时间段后停止训练后，其准确性并未超过基线。
而是根据您的用例执行以下操作：
tf.keras.callbacks.EarlyStopping(
monitor='accuracy',
min_delta=0.001,
patience=3,
mode='auto',
verbose=2,
baseline=None
)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句