假设我有一个自定义层，它使用 TF 2.4 使用外部可训练变量为我计算损失（是的，我知道这是一个愚蠢的例子和损失，它只是为了重现性，实际损失要复杂得多）：

训练这个模型很简单：

如果我们编写一个自定义回调或逐个训练纪元，我们可以看到如何收敛到 0 var1，var2正如预期的那样：

简短的问题：如何根据 和 的收敛性（即它们的向量大小，，并再次假设损失要复杂得多，您不能仅将此向量大小添加到损失中）使模型停止（EarlyStopping与 some ）？patiencevar1var2self.var1**2 + self.var2**2

更长的问题：（如果你有时间/耐心）

• 是否可以实现自定义Metric并EarlyStopping对其进行跟踪？
• 在这种情况下，当“收敛”只有“最小值”或“最大值”EarlyStopping时，你将如何专注于“收敛”？mode（我想知道我们可以扩展EarlyStopping而不是扩展Callback）
• 我们可以在没有指标的情况下使用自定义回调来做到这一点吗？
• 我们如何结合上面的自定义损失，告诉EarlyStopping注意两者，即“如果你没有看到损失的改善和收敛的改善，耐心=10，就停止”？

我正在使用基于 Unet Architecture 的 CNN，具有一个输入和两个输出：(b(array),C13(Image))，并且我想使用不同的损失函数 (Dice_loss) 对我的验证数据应用 Earlystopping 比较到训练集一（Shape_loss）。我认为使用 K.in_train_phase，但这似乎不是正确的方法。你能帮助我吗？这是我的模型：

这是我的早期停止：

我知道如果我们在最后 X 轮中没有任何改进（或性能下降），就会提前停止。即，我们需要在最后 X 中至少进行一轮且几乎没有改进，才能继续。

但我在这里读到： https ://www.kaggle.com/vincentf/early-stopping-for-xgboost-python以下代码内注释：

1. 所以，似乎marginal improvements是这样no improvement，对吗？
2. 如果是，价值是marginal improvements多少？我们可以设置它的价值吗？

我在 sage maker 中运行 HPO 作业，并且我正在考虑在其中一个子培训作业达到特定指标阈值后停止我的 HPO 作业的方法。

PS：我尝试过 sage maker 提前停止，但它仅适用于每个培训作业中的 epocs 级别，因此如果它注意到他们的学习模式可能没有提供与已经找到的最佳培训作业一样好的指标，它会停止培训作业。但这并不能解决我在 HPO 组合级别上的问题，因此无论子训练作业中发生什么，我都希望在其中一个子项达到我想要的指标阈值后停止整个 HPO 作业。

我已经运行了一个具有 4 个 epoch 并使用early_stopping.

最高的val_ac对应于第三个纪元，并且是0.8244。但是，该accuracy_score函数将返回最后一个 val_acc 值，即0.8110.

可以在调用时指定 epochpredict_classes以获得最高精度（在这种情况下，对应于第三个 epoch）？

使用 R Keras 开发深度学习，我想实现 earlystopping 回调，但它显示错误：Error in as.integer(verbose) : cannot coerce type 'environment' to vector of type 'integer'

R代码：

知道有什么问题吗？谢谢。

我很难将任何回调应用到 Keras Tuner 超参数优化对象。这是我运行的代码：

虽然我想应用张量板和检查点回调，但它只是通过提前停止回调而失败。我收到以下错误：

我不熟悉深度可复制一词以及它在错误代码方面的暗示。有谁熟悉如何解决这个问题？

问题

我想在进行多标签分类时使用验证数据集提前停止，但似乎 sklearn 的MultiOutputClassifier不支持。您对解决方案有什么建议吗？

我做了什么

一切都按预期工作，直到这里！

现在我想使用一个验证集来做一些提前停止。我使用与普通单标签 xgboost 相同的参数。

似乎eval_set参数没有表明现在需要在多标签数据集的训练期间评估模型。这不支持吗？还是我做错了什么？

我在 TF1 对象检测 API https://github.com/hongym7/early_stopping/blob/master/model_main.py中找到了实现提前停止的源代码。如何在 TF2 对象检测 API 中实现提前停止？

我应用了 Earlystopping，然后 fit 函数运行了所有 20 个 epoch，即使 val_loss 增加也没有停止。使用earlystopping的正确方法应该是什么？