在keras中保存稳定的模型（深度学习）

Question

我正在努力训练一个模型。 我正在使用检查点的回调，它基本上保存了最佳模型（在验证中具有最小的损失函数）。 我遇到的问题是，有时这个最小值是在第一个时期，验证似乎有点不稳定。 一旦模型稳定或在一定数量的时期之后，有没有办法使用检查点？

这是我的培训和验证曲线的图片：

Answer 1

您可以使用自定义回调，其中，您可以根据您的条件使用逻辑语句。 如果满足条件，您可以从https://github.com/fchollet/keras/blob/master/keras/callbacks.py#L316调用ModelCheckpoint代码。

如果我的话没有意义，这段代码片段就会出现！

谢谢。

class ModifiedCheckpoint(keras.callbacks.Callback):
    def __init__(...):
        <copy code>        
        return
    def on_train_begin(self, logs={}):
        return

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

    def on_epoch_begin(self, epoch, logs={}):
        return

    def on_epoch_end(self, epoch, logs={}):
        <insert your logic here>
        <and copy code here>
        return

    def on_batch_begin(self, batch, logs={}):
        return

    def on_batch_end(self, batch, logs={}):
        return