Я думаю, что здесь есть путаница.
Эпоха используется только при обучении нейронной сети, поэтому, когда тренировка останавливается (в данном случае, после 20-й эпохи), весы соответствуют тем, которые были рассчитаны в последнюю эпоху.
Keras распечатывает текущие значения потерь при проверке, установленной во время обучения после каждой эпохи. Если веса после каждой эпохи не сохраняются, они теряются. Вы можете сохранить весы для каждой эпохи с помощью обратного вызова ModelCheckpoint, а затем загрузить их с помощью load_weights на вашу модель.
Вы можете вычислить свои предсказания после каждой учебной эпохи путем внедрения соответствующего обратного вызова с помощью подклассов Callback и вызова предсказать на модели внутри функций on_epoch_end.
Затем, чтобы использовать его, вы создаете экземпляр обратного вызова, составляете список и используете его как ответные запросы аргументов ключевого слова до model.fit.
Hello Matias! Если бы вы могли взглянуть на это, было бы весьма полезно: http://stackoverflow.com/questions/36895627/python-keras-creating-a-callback-with-one-prediction-for-each-epoch – abutremutante