Keras中Early Stopping仅训练1个epoch的问题排查与解决

哈哈，这个问题其实很容易忽略——你在启用早停的那行model.fit()代码里，漏掉了epochs=200这个参数！

Keras的fit()函数默认只跑1个epoch，哪怕你设置了patience=5，模型也没机会跑到能触发早停的轮次，直接就结束了。这就是为什么一启用早停就只训练1轮的核心原因。

修正后的完整代码 #

把epochs=200加回去，和你无早停时的调用保持一致：

# 先初始化早停回调（建议显式指定monitor，逻辑更清晰）
early_stopping = EarlyStopping(monitor='val_loss', patience=5)
# 训练时补上epochs参数
hist = model.fit(X, y, validation_split=0.2, callbacks=[early_stopping], 
                 batch_size=16, epochs=200)

额外优化建议 #

为了让早停功能更实用，我还建议加上restore_best_weights=True参数——这样模型停止训练时，会自动恢复到验证集损失最低的那个epoch的权重，而不是停在最后一个可能已经过拟合的epoch：

early_stopping = EarlyStopping(monitor='val_loss', patience=5, restore_best_weights=True)

另外可以确认一下：你的验证集划分validation_split=0.2是合理的，损失函数用的mean_absolute_percentage_error和监控的val_loss对应正确，这些都没问题。

这样修改后，模型就会按照预期最多跑200个epoch，只有当验证集损失连续5个epoch没下降时才会提前停止。

内容的提问来源于stack exchange，提问作者user8270077