我刚开始学习机器学习和神经网络，并且一直在阅读《http://neuralnetworksanddeeplearning.com》，该书在第三章中讨论了过拟合问题。

作者在每次训练周期（epoch）后让他的示例模型在测试集上运行，这样他就可以构建图表来显示训练准确率和测试准确率（或成本的变化）。

我目前正在修改我的程序，使我的神经网络每两个训练周期后在测试集上运行，然后我将构建一个训练周期与测试准确率的图表。我猜这可能过于频繁，但我不是很确定…

作者指出，一旦测试准确率的变化停止增加，就表明发生了过拟合（或者训练集上的成本也停止增加）。所以我想我会编写代码来检测测试准确率何时达到平台期，这样我就可以自动切换训练集（要么是全新的，要么是k折交叉验证的不同变体）——但可能有更好的方法？

提前感谢您的任何建议和指导 🙂

回答：

当测试/验证损失停止改善时，这被称为提前停止（Early Stopping）。Ian Goodfellow等人在《深度学习书籍第7章》中解释了模型正则化，包括第7.8节中的提前停止。

Keras有一个回调函数来执行此检查并停止训练，恰当地命名为EarlyStopping。默认情况下，它会监控val_loss，如果停止改善，则停止训练。