使用Keras中EarlyStopping回调时如何获取最优模型？

这问题我之前也碰到过，核心原因其实是两个回调的参数配置没匹配你的需求，咱们一步步来解决：

1. 为什么当前设置会拿到"差一点"的模型？ #

• EarlyStopping的默认行为：你设置了patience=0，当val_acc下降时立刻停，但Keras的EarlyStopping默认restore_best_weights=False——也就是说，训练停止时，模型保留的是触发停止的那一轮epoch的权重，而不是之前val_acc最高的那一轮。
• ModelCheckpoint的监控指标不匹配：你之前用monitor='val_loss'，但你关注的是val_acc。val_acc最高的时刻，val_loss不一定是最低的，所以这个回调保存的其实是loss最优的模型，不是你要的acc最优模型。

2. 两种可行的解决方案 #

方案一：让EarlyStopping自动恢复最优权重 #

直接给EarlyStopping加上restore_best_weights=True参数，这样训练停止时，模型会自动切换到val_acc最高的那一轮的权重，不用额外加载模型：

from keras.callbacks import EarlyStopping

# 配置早停回调，监控val_acc，patience=0，恢复最优权重
early_stop = EarlyStopping(
    monitor='val_acc',
    patience=0,
    restore_best_weights=True,
    verbose=1  # 可选，打印停止时的提示信息
)

方案二：正确配置ModelCheckpoint保存最优acc模型 #

如果你更倾向于用模型保存的方式，需要把监控指标改成val_acc，同时设置mode='max'（因为acc是越高越好，loss是越低越好）：

from keras.callbacks import ModelCheckpoint

# 配置模型保存回调，只保存val_acc最高的模型
checkpoint = ModelCheckpoint(
    filepath='best_model.h5',
    monitor='val_acc',
    save_best_only=True,
    mode='max',
    verbose=1  # 可选，打印每次保存的提示
)

训练完成后，你需要手动加载这个保存的模型才能拿到最优的那个：

from keras.models import load_model

best_model = load_model('best_model.h5')

3. 训练时的回调使用 #

你可以把两个回调一起用，既早停又保存最优模型，保险起见：

model.fit(
    x_train, y_train,
    validation_data=(x_val, y_val),
    epochs=100,  # 设置足够大的epochs，让早停来终止训练
    callbacks=[early_stop, checkpoint]
)

这样调整后，不管是直接用训练后的模型（方案一），还是加载保存的文件（方案二），都能拿到val_acc最高的最优模型了。

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