keras 调整学习率ReduceLROnPlateau

from keras.callbacks import ReduceLROnPlateau

ReduceLROnPlateau
当检测指标未得到改善，进行n倍的学习率调整常常能获得较好的效果。
定义一个callback参数reduce_lr：
reduce_lr = ReduceLROnPlateau(monitor=‘val_loss’, factor=0.5, patience=2, verbose=1)

monitor：被监测的量
factor：每次减少学习率的因子，学习率将以lr = lr*factor的形式被减少
patience：当patience个epoch过去而模型性能不提升时，学习率减少的动作会被触发
mode：‘auto’，‘min’，‘max’之一，在min模式下，如果检测值触发学习率减少。在max模式下，当检测值不再上升则触发学习率减少。
epsilon：阈值，用来确定是否进入检测值的“平原区”
cooldown：学习率减少后，会经过cooldown个epoch才重新进行正常操作
min_lr：学习率的下限

在fit时传入callbacks
callback_list = [checkpoint, reduce_lr]
model.fit_generator(train_generator,
steps_per_epoch=xx,
epochs=xx,
callbacks=callback_list,
validation_data=validation_generator,
validation_steps=xx,
verbose=1)