modelcheckpoint通过设置monitor、mode和save_best_only可保存验证集最优模型；earlystopping配合使用可自动停机，需注意nan处理及多指标复合逻辑需自定义回调。

如何用 ModelCheckpoint 保存验证集最优模型

直接用 ModelCheckpoint 就能实现“验证集最优时保存”，它本身不触发停机，但它是后续停机逻辑的基础。关键不是写新回调，而是配对使用 monitor 和 mode 参数。

• monitor='val_loss' 是最常用选择；若用准确率，必须写成 monitor='val_accuracy'（注意不是 val_acc，后者在 TF 2.10+ 已弃用）
• mode='min' 对应 val_loss，mode='max' 对应 val_accuracy，写反会导致永远不保存
• save_best_only=True 必须设为 True，否则每次 epoch 都覆盖保存，无法锁定最优
• 文件路径建议用 filepath='best_model.h5' 或带时间戳的动态路径，避免被意外覆盖

怎么让训练在验证指标不再提升时自动停止

停机靠 EarlyStopping，它和 ModelCheckpoint 通常一起用，但两者独立工作：一个管保存，一个管停机。

• monitor 必须和 ModelCheckpoint 保持一致，比如都用 'val_loss'，否则判断依据错位
• patience 设为 3–5 比较稳妥；设太小（如 1）容易早停，设太大（如 20）浪费算力
• restore_best_weights=True 很重要——它会让模型权重回滚到 monitor 最优的那个 epoch，而不是最后一步的权重
• 如果验证集指标震荡剧烈，可加 min_delta=1e-4，避免微小波动触发停机

为什么 val_loss 突然变 nan 会导致停机失效

EarlyStopping 默认把 nan 当作“未改善”，不会触发停机，反而可能继续训练直到崩溃。这不是 bug，是设计行为。

python-parallelization

将顺序 Python 代码转换为并行/并发实现，用于在需要并行化 Python 代码、提升性能时使用。

下载

• 在回调列表里把 EarlyStopping 放在 ModelCheckpoint 后面，能让 checkpoint 先尝试保存 nan 值（虽然通常失败），便于排查
• 更可靠的做法是自定义一个轻量回调检测 nan：

  class NanMonitor(tf.keras.callbacks.Callback):
      def on_batch_end(self, batch, logs=None):
          if logs and (np.isnan(logs.get('val_loss')) or np.isinf(logs.get('val_loss'))):
              print('NaN detected in val_loss, stopping.')
              self.model.stop_training = True

• 训练前检查数据标签是否全为同一类、学习率是否过大（>1e-2 常见于小数据集）、损失函数是否匹配任务（如用 sparse_categorical_crossentropy 却传了 one-hot 标签）

多个验证指标下如何定义“最优”

TensorFlow 原生回调只支持单指标监控。想同时看 val_loss 和 val_f1_score 并设定复合条件？得自己写回调。

• 继承 tf.keras.callbacks.Callback，重写 on_epoch_end
• 用 logs['val_loss'] 和 logs['val_f1_score'] 取值，按业务逻辑判断（例如：loss 0.9 才算达标）
• 手动控制 self.model.stop_training = True，并用 self.model.save() 保存模型（注意路径和格式）
• 别忘了在 __init__ 里初始化状态变量，比如 self.best_f1 = 0.0，否则跨 epoch 无法比较

复合逻辑越复杂，越容易漏掉 restore_best_weights 的等效处理——原生 EarlyStopping 的这个功能得自己手写回滚逻辑。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！