目录
tf.keras.callbacks.EarlyStopping使用方法
tf.keras.callbacks.EarlyStopping使用示例
在训练数据集上拟合得过于完美,在测试数据上的表现可能会变差,即出现过拟合。如果在训练过程中,每训练一段时间,都观察一下模型在测试数据上的表现,并在测试集上的表现没有明显提升时终止训练,就可以得到一个在训练和测试数据上表现都比较好的模型。这就是提前终止方法,这种方法可以防止模型过拟合。
在tensorflow2中设置EarlyStopping回调函数就能完成,非常的简单方便。
tf.keras.callbacks.EarlyStopping使用方法
tf.keras.callbacks.EarlyStopping有这些参数
monitor='val_loss',
min_delta=0,
patience=0,
verbose=0,
mode='auto',
baseline=None,
restore_best_weights=False,
start_from_epoch=0
monitor是要被监视的值,比如在model.compile里面配置的损失函数、或者metrics里面配置的评价指标。
min_delta当被监视的值变化大于min_delta的时候,认为是有改进的。比如在测试数据上的损失函数值下降量的绝对值大于min_delta,则认为当前的模型和之前相比,是有改进的。
patience设置当迭代多少个epoch,发现模型仍然没有改进,就停止训练。
verbose可以设置为0或1,用于控制展示的log。为0时,没