使用回调选择最佳网络

如何解决使用回调选择最佳网络

我正在处理一项分类任务，试图从纸上重建网络。在那篇论文中，他们谈论进行 300 次训练测试，并在对特定输入数据取每个网络的所有预测的平均值后，每次训练网络。

所以这里的问题是：在第一次评估之后，它会跳过所有其他评估，因为第一次训练的最后一个 epoch 的评估总是比下一次网络训练的第一个 epoch 评估好，我该怎么做才能比较最后一个网络时代？代码如下：

checkpoint_filepath = './checkpoint'

model_checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
    filepath=checkpoint_filepath,save_weights_only=True,monitor='precision',mode='max',save_best_only=True)

lis = []

for i in range(300):

# Train test split

X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size=0.3,stratify = Y)

# Create model

model_two_neuron = tf.keras.Sequential([
  tf.keras.layers.Dense(40,input_shape=(15,)),tf.keras.layers.Dense(2,activation=tf.nn.sigmoid)
])

model_two_neuron.compile(optimizer=tf.keras.optimizers.Adam(),loss=tf.keras.losses.MeanSquaredError(),metrics=[tf.keras.metrics.Precision()])

# Train

model_two_neuron.fit(X_train,epochs=20,callbacks=[model_checkpoint_callback])

# evaluate

value = model_two_neuron.evaluate(X_test,y_test)