Keras_callback

最新推荐文章于 2024-05-18 08:14:46 发布

熊乐乐666

最新推荐文章于 2024-05-18 08:14:46 发布

阅读量279

点赞数

分类专栏： # Keras

本文链接：https://blog.csdn.net/qq_36601957/article/details/103835288

版权

本文介绍了Keras中的三个重要回调函数：ReduceLROnPlateau用于在评价指标不再提升时减少学习率；ModelCheckpoint用于在监测值达到最佳时保存模型；EarlyStopping则在监测值不再改善时提前终止训练。详细解释了各个参数的作用和使用场景。

摘要由CSDN通过智能技术生成

1.ReduceLROnPlateau
keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.1, patience=10, verbose=0, mode='auto', epsilon=0.0001, cooldown=0, min_lr=0)
当评价指标不在提升时，减少学习率
当学习停滞时，减少2倍或10倍的学习率常常能获得较好的效果。该回调函数检测指标的情况，如果在patience个epoch中看不到模型性能提升，则减少学习率

2.ModelCheckpoint
keras.callbacks.ModelCheckpoint(filepath,monitor='val_loss',verbose=0,save_best_only=False, save_weights_only=False, mode='auto', period=1)
filepath：字符串，保存模型的路径（可以将模型的准确率和损失等写到路径中，格式如下：）
ModelCheckpoint('model_check/'+'ep{epoch:d}-acc{acc:.3f}- val_acc{val_acc:.3f}.h5',monitor='val_loss')
还可以添加损失值等如 ‘loss{loss:.3f}-val_loss{val_loss:.3f}’