如何让无训练层的朴素模型调用model.fit时立即停止训练？

我正在编写时间序列预测模型的训练流水线，采用朴素季节性模型作为基线，该模型仅输出输入的最后out_steps部分。模型代码如下：

class Naive(tf.keras.Model):
    def __init__(self, out_steps: int,
                 **kwargs):
        super().__init__(**kwargs)
        self.out_steps = out_steps

    def call(self, inputs, training=None):
        features = inputs
        return features[:, -self.out_steps:, :]

训练阶段使用通用代码：

def train_model(model_name, **model_params):
    model = instantiate_model(model_name, **model_params)
    model.compile(loss='mse', optimizer='adam')
    model.fit(train_dataset)

请问是否有办法让fit识别该模型无训练层并立即停止训练？

有几种实用的方式可以实现需求：

• 提前检查可训练参数数量：在调用fit前先判断模型是否存在可训练参数，无参数则直接跳过训练流程，修改train_model函数如下：

def train_model(model_name, **model_params):
    model = instantiate_model(model_name, **model_params)
    model.compile(loss='mse', optimizer='adam')
    
    # 统计可训练参数总量
    trainable_params = sum(tf.size(p).numpy() for p in model.trainable_weights)
    if trainable_params == 0:
        print("模型无训练层，跳过训练")
        return model
    
    model.fit(train_dataset)
    return model

• 用自定义回调强制终止训练：如果希望fit启动后立即停止，可编写回调函数在训练开始时检测并终止：

class StopNoTrainableModel(tf.keras.callbacks.Callback):
    def on_train_begin(self, logs=None):
        trainable_params = sum(tf.size(p).numpy() for p in self.model.trainable_weights)
        if trainable_params == 0:
            print("检测到无训练层模型，立即停止训练")
            self.model.stop_training = True

# 更新训练函数添加回调
def train_model(model_name, **model_params):
    model = instantiate_model(model_name, **model_params)
    model.compile(loss='mse', optimizer='adam')
    model.fit(train_dataset, callbacks=[StopNoTrainableModel()])
    return model

• 标记模型为不可训练：在Naive模型的初始化方法中设置self.trainable = False，不过这种方式需要针对特定模型修改，通用性稍弱：

class Naive(tf.keras.Model):
    def __init__(self, out_steps: int,
                 **kwargs):
        super().__init__(**kwargs)
        self.out_steps = out_steps
        self.trainable = False  # 标记模型整体不可训练

    def call(self, inputs, training=None):
        features = inputs
        return features[:, -self.out_steps:, :]

注意：即使设置了self.trainable = False，fit默认还是会运行一轮训练（因为默认epochs=1），因此结合前两种方法中的参数检查会更彻底。

内容的提问来源于stack exchange，提问作者giulatona