使用keras为什么accuracy一直为0_TensorFlow 2.0教程04：Early Stopping

在训练过程中，神经网络中的weights会更新，以使模型在训练数据上的表现更好。一段时间以来，训练集上的改进与测试集上的改进呈正相关。但是，有时会开始过度拟合训练数据，进一步的“改进”将导致泛化性能降低。这称为过度拟合。Early stopping是一种用于在过度拟合发生之前终止训练的技术。

本教程说明了如何在TensorFlow 2中实现early stopping。本教程的所有代码均可在我们的code中找到。

通过tf.keras.EarlyStopping回调函数在TensorFlow中实现early stopping

earlystop_callback = EarlyStopping(
  monitor='val_accuracy', min_delta=0.0001,
  patience=1)​

monitor跟踪用于决定是否应终止训练的quantity。在这种情况下，我们使用验证准确性。min_delta是触发终止的阈值。在这种情况下，我们要求精度至少应提高0.0001。patience是等待训练停止的“无改善时期”的数量。使用时patience = 1，训练会在第一个时期后立即终止，并且没有改善。

现在，我们可以附加early