tf.keras.callbacks.EarlyStopping(
monitor='val_loss', min_delta=0, patience=0, verbose=0, mode='auto',
baseline=None, restore_best_weights=False
)
作用是:当监控指标停止改进时,停止训练
假设训练的目标是使损失最小化。这样,监视的指标将是“损失”,模式将是“min”。
model.fit()训练循环将在每个epoch结束时检查损失是否不再减少,并考虑最小delta和patience(如果适用的话)。
一旦发现它不再减少,就建立模型。stop_training被标记为True,培训终止
monitor:监控指标
min_delta:监视指标的最小变化,即绝对变化小于min_delta,将不被改进
patience:可以接受多少个epoch内monitor没有改善,之后训练将停止
verbose:冗长模型,分为0,1,2
mode:{"auto", "min", "max"}
在最小模式下,当监视指标停止减少时,训练将停止;
在“最大”模式下,当监视指标停止增加时它将停止;
在“自动”模式下,将根据监视指标的名称自动推断出方向。
baseline:监视数量的基准值。如果模型没有显示出超过基线的改善,培训将停止。
restore_best_weights:如果为假,则使用最后一步训练得到的模型权值。
TF2.0-tf.keras.callbacks.EarlyStopping
最新推荐文章于 2021-02-07 17:43:40 发布