每個班級大約有300張真實圖像。具有 3 個類的分類模型。我使用 2000 個生成的樣本和 10 個時期制作了一個模型。該模型還可以，但有很多錯誤的負面預測。我想改進模型并將生成的樣本數量（真實圖像數量未更改）增加到 20000。在第 6 個時期，準確度開始下降，最終達到 0.2339/666 [==============>...............] - ETA: 52s - loss: 0.2762 - acc: 0.9012340/666 [==============>...............] - ETA: 52s - loss: 0.2757 - acc: 0.9014341/666 [==============>...............] - ETA: 52s - loss: 0.2754 - acc: 0.9015342/666 [==============>...............] - ETA: 52s - loss: nan - acc: 0.9014   343/666 [==============>...............] - ETA: 52s - loss: nan - acc: 0.8995344/666 [==============>...............] - ETA: 52s - loss: nan - acc: 0.8976345/666 [==============>...............] - ETA: 51s - loss: nan - acc: 0.8955是不是過擬合了？我可以在不重新開始學習的情況下以某種方式實時阻止它嗎？例如，是否有可能在每個 epoch 之后保存模型，并在這種情況下采用最佳模型。或者至少，Keras 可以打破教學嗎？