　Epoch数が少ないと学習が足りず、多すぎると過学習になりますが
　なんか自動で止める方法はないものだろうか・・・と調べると
　灯台下暗し本家にありました

#何ができるのか

　Epoch終了後の各数値（acc,loss,val_acc,val_loss)を監視して条件が揃った場合モデルを保存します

　例えば下記の使い方の設定方法を設定し学習を行うと「Val_loss」を監視します
　1Epoch終了後に「保存されている重みの「Val_loss」＞学習後の「Val_loss」」
　の場合の時だけモデル全体を保存します

　これにより適当にEpochを決めて過学習となってしまった場合でも
　モデルファイルはそれ以前の「Val_loss」が最小の時のモデルファイルが
　保存されるのでやり直しがなくて便利です

#確認環境
　python3.6.6
　Tensorflow:1.10.0
　Keras：2.2.2

#使い方

　直接model.fitやmodel.fit_generatorに書いても良いですが
　見づらいので、設定をしたものを利用します

#1)設定

インポート

from keras.callbacks import ModelCheckpoint

設定


modelCheckpoint = ModelCheckpoint(filepath = 'XXX.h5',
                                  monitor='val_loss',
                                  verbose=1,
                                  save_best_only=True,
                                  save_weights_only=False,
                                  mode='min',
                                  period=1)

引数説明
filepath: 重みのファイル名そのものを指示(ex. XXX.h5)
monitor: 監視する値（acc,loss,val_acc,val_loss)
verbose: 0=結果非表示　1=結果表示

save_best_only: True=判定結果から保存を決定。False=後述の'period'の間隔で保存
mode: 判定条件（auto、max、min）max=「acc、val_acc」、min=「loss、val_loss」
save_weights_only: True=モデルの重みが保存。False=モデル全体を保存
period: 何エポックごとに保存するか

#2)model.fit、model.fit_generatorの設定例
　callbacks=[modelCheckpoint]を記述します

model.fit_generator(train_generator,
                    steps_per_epoch = steps_per_epoch,
                    validation_steps = validation_steps,
                    epochs=100,
                    verbose=1,
                    validation_data=validation_generator,
                    callbacks=[modelCheckpoint])