我正在尝试自动确定Keras自编码器何时收敛。例如，请查看这个链接中的“让我们构建最简单的自编码器”部分。轮数被硬编码为50（当损失值收敛时）。然而，如果你不知道轮数是50，你会如何用Keras编写这段代码呢？你会不断调用fit()吗？

回答：

这个问题实际上非常广泛且复杂。关于如何设置轮数，有许多技术：

• 早期停止 – 在这种情况下，你将轮数设置为一个非常高的数字，当接下来的轮数改进不令人满意时，你就停止训练。在Keras中，你有一个名为EarlyStopping的特殊对象可以帮你完成这项工作。
• 模型检查点 – 在这里，你再次设置一个非常高的轮数，并且只保存相对于所选指标的最佳模型。你再次为这种情况准备了一个特殊的回调。

当然，还有其他情景，例如使用强化学习来找到停止时间，或者在贝叶斯超参数设置中选择这个，这些方法更加复杂，通常不会带来任何改进。

有一点可以肯定的是，重新启动fit方法可能会导致意想不到的行为，因为模型的许多内部状态会被重置，这可能导致不稳定。对于这种情况，我强烈建议你使用train_on_batch，它不会重置模型状态，并且可以实现许多高级的训练情景。