当tflearn训练周期或迭代达到特定的损失和准确值时，如何停止？

在tflearn中，可以通过使用EarlyStopping回调函数来在训练周期或迭代达到特定的损失和准确值时停止训练。EarlyStopping回调函数可以监控指定的指标（如损失或准确值），并在连续若干个周期内没有改善时停止训练。

以下是使用EarlyStopping回调函数停止训练的示例代码：

import tflearn
from tflearn.callbacks import EarlyStopping

# 创建EarlyStopping回调函数
early_stopping = EarlyStopping(monitor='val_loss', patience=3)

# 定义并编译模型
model = tflearn.DNN(...)
model.compile(...)

# 开始训练，并使用EarlyStopping回调函数
model.fit(X_train, Y_train, validation_set=(X_val, Y_val), callbacks=early_stopping)

在上述代码中，monitor参数指定了要监控的指标，这里使用了验证集上的损失值（val_loss）。patience参数指定了连续若干个周期内指标没有改善时停止训练，默认值为0，表示立即停止训练。

当训练过程中连续若干个周期内验证集上的损失值没有改善时，训练将会自动停止，并输出相应的提示信息。

推荐的腾讯云相关产品：腾讯云AI智能机器学习平台（https://cloud.tencent.com/product/tflearn）。

请注意，以上答案仅供参考，具体的停止训练策略和腾讯云产品选择应根据实际需求和情况进行决策。