Keras中使用EarlyStopping回调时，如何直接获取训练停止的轮次数？

嘿，这个问题我之前也纠结过，完全不用自己去折腾日志和patience参数计算！Keras的EarlyStopping回调本身就提供了直接获取停止epoch的属性，简单又准确。

核心方法：使用stopped_epoch属性 #

EarlyStopping对象在训练结束后会自动设置stopped_epoch属性：

• 如果训练被提前停止，它会返回停止时的epoch索引（从0开始计数）
• 如果训练跑完了所有预设的epoch（没有触发提前停止），它的值会是-1

代码示例 #

from tensorflow.keras.callbacks import EarlyStopping
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy as np

# 构建测试用的模型和数据
X_train = np.random.rand(1000, 10)
y_train = np.random.randint(0, 2, 1000)
X_val = np.random.rand(200, 10)
y_val = np.random.randint(0, 2, 200)

model = Sequential([Dense(32, activation='relu', input_shape=(10,)), Dense(1, activation='sigmoid')])
model.compile(optimizer='adam', loss='binary_crossentropy')

# 定义EarlyStopping回调
early_stop = EarlyStopping(
    monitor='val_loss',
    patience=3,
    verbose=1  # 开启后训练时会打印停止提示
)

# 启动训练
history = model.fit(
    X_train, y_train,
    validation_data=(X_val, y_val),
    epochs=50,
    callbacks=[early_stop]
)

# 获取并处理停止的epoch数
if early_stop.stopped_epoch != -1:
    # 转换为我们习惯的从1开始的计数方式
    stopped_epoch_num = early_stop.stopped_epoch + 1
    print(f"\n训练在第 {stopped_epoch_num} 个epoch提前停止")
else:
    print("\n训练完成了所有50个epoch，未触发提前停止")

为什么这个方法更靠谱？ #

比起自己去遍历history.history里的损失日志，再结合patience计算停止点，直接用stopped_epoch有两个明显优势：

• 准确性高：这个属性是Keras内部在触发停止逻辑时直接记录的，不会因为日志处理错误或者自定义回调的干扰出错
• 代码简洁：几行代码就能搞定，不用写额外的遍历和判断逻辑

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