tensorflow报错
我用tensorflow-gpu-1.9.0 时from tensorflow.keras.callbacks import EarlyStopping是可以正常运行的
但是用tensorflow-1.9.0时就报错 RecursionError: maximum recursion depth exceeded，我自己的电脑没有gpu，不能用tensorflow，应该怎样在没有tensorflow-gpu的环境里用这个earlystopping函数
（我尝试过增加递归深度但是最大的递归深度是5713还是会报错，再增大就报错 Process finished with exit code -1073741571 (0xC00000FD)）
【以下回答由 GPT 生成】
首先，需要明确一点：tensorflow.keras.callbacks.EarlyStopping函数本身并不依赖于GPU，它是通过监控指标的变化来判断是否需要提前停止训练。
关于报错RecursionError: maximum recursion depth exceeded，这不是由于缺少GPU导致的，而是由于Python的递归深度限制导致的。修改递归深度限制并不是解决这个问题的正确方法。
为了解决这个问题，我们可以采用两种方法：
方法一：降低递归深度 调整递归深度并不是解决问题的正确方法，但你可以尝试增加系统的最大递归深度。在Python中，可以通过设置sys.setrecursionlimit(limit)来增加递归深度限制。例如，将递归深度限制设置为10000：
import sys
sys.setrecursionlimit(10000)
然后重新运行你的代码，看看是否能够正常执行。
方法二：自定义EarlyStopping 如果你不具备GPU，并且无法通过修改递归深度来解决问题，那你可以考虑自定义一个类似EarlyStopping的回调函数来实现相同的功能。以下是一个自定义EarlyStopping实现的示例代码：
from tensorflow.keras.callbacks import Callback
class MyEarlyStopping(Callback):
def __init__(self, monitor='val_loss', patience=0):
super(MyEarlyStopping, self).__init__()
self.monitor = monitor
self.patience = patience
self.best = None
self.wait = 0
def on_epoch_end(self, epoch, logs=None):
current = logs.get(self.monitor)
if self.best is None or current < self.best:
self.best = current
self.wait = 0
else:
self.wait += 1
if self.wait >= self.patience:
self.model.stop_training = True
你可以使用MyEarlyStopping类作为回调函数，在训练过程中通过传入monitor和patience参数来指定要监控的指标和允许的停止等待次数。例如：
from tensorflow.keras.callbacks import ModelCheckpoint
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential()
model.add(Dense(10, input_dim=2))
model.add(Dense(1))
model.compile(loss='mse', optimizer='adam')
early_stopping = MyEarlyStopping(monitor='val_loss', patience=3)
model.fit(x_train, y_train, validation_data=(x_val, y_val), epochs=100, callbacks=[early_stopping])
希望以上解决方法对你有所帮助。如果还有其他问题，请随时提问。
【相关推荐】