我已经成功地在我的Keras模型中实现了提前停止，但是我不确定如何查看最佳轮次的损失。
es = EarlyStopping(monitor='val_out_soft_loss', mode='min', restore_best_weights=True, verbose=2, patience=10)model.fit(tr_x, tr_y, batch_size=batch_size, epochs=epochs, verbose=1, callbacks=[es], validation_data=(val_x, val_y))loss = model.history.history["val_out_soft_loss"][-1]return model, loss我定义损失分数的方式意味着返回的分数来自最后一个轮次，而不是最佳轮次。
示例：
from sklearn.model_selection import train_test_split, KFoldlosses = []models = []for k in range(2): kfold = KFold(5, random_state = 42 + k, shuffle = True) for k_fold, (tr_inds, val_inds) in enumerate(kfold.split(train_y)): print("-----------") print("-----------") model, loss = get_model(64, 100) models.append(model) print(k_fold, loss) losses.append(loss)print("-------")print(losses)print(np.mean(losses))Epoch 23/10018536/18536 [==============================] - 7s 362us/step - loss: 0.0116 - out_soft_loss: 0.0112 - out_reg_loss: 0.0393 - val_loss: 0.0131 - val_out_soft_loss: 0.0127 - val_out_reg_loss: 0.0381Epoch 24/10018536/18536 [==============================] - 7s 356us/step - loss: 0.0116 - out_soft_loss: 0.0112 - out_reg_loss: 0.0388 - val_loss: 0.0132 - val_out_soft_loss: 0.0127 - val_out_reg_loss: 0.0403Restoring model weights from the end of the best epochEpoch 00024: early stopping0 0.012735568918287754因此，在这个示例中，我想查看第14轮次（Epoch 00014）的损失（0.0124）。
我还有一个单独的问题：如何设置val_out_soft_loss分数的小数位数？
回答：
将Keras中的fit()调用赋值给一个变量，以便你可以跟踪各个轮次的度量标准。
history = model.fit(tr_x, ...它会返回一个字典，像这样访问它：
loss_hist = history.history['loss']然后使用min()获取最小损失，使用argmin()获取最佳轮次（基于零的索引）。
np.min(loss_hist)np.argmin(loss_hist)