tensorflow hook 与 early-stopping

本文介绍如何使用hook来灵活地控制模型检查点的存储时机及训练的停止时机。通过Estimator#fit方法中的monitors参数指定BaseMonitor对象,实现early stopping等监控功能。具体介绍了ValidationMonitor类的使用方法,包括如何设置every_n_steps及early_stopping_rounds等参数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

有了hook可以更灵活的控制ckpt的存储时机与训练停止时机.

Estimator#fit(self,...,monitors=None)
训练时指定monitors参数, 接受的就是 BaseMonitor 对象.

early stopping

tensorflow.contrib.learn.python.learn.monitors.ValidationMonitor(..., every_n_steps,early_stopping_rounds, early_stopping_metric,early_stopping_metric_minimize)
ValidationMonitor类的构造. 可以看到early_stopping相关设置.

  • every_n_steps
    Check for new checkpoints to evaluate every N steps. If a new checkpoint is found, it is evaluated. See EveryN.

  • early_stopping_rounds:
    int. If the metric indicated by early_stopping_metric does not change according to early_stopping_metric_minimize for this many steps, then training will be stopped

参考

  1. tf-1.4 版本的文档见 SessionRunHook
  2. s.o.f 问答
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值