使用keras中的回调函数keras.callbacks.ReduceLROnPlateau自动调整学习率来改进模型拟合效果

定义学习率之后，经过一定epoch迭代之后，模型效果不再提升，该学习率可能已经不再适应该模型。需要在训练过程中缩小学习率，进而提升模型。使用keras中的回调函keras.callbacks.ReduceLROnPlateau可以实现此效果，

具体语法：

from keras.callbacks import ReduceLROnPlateau


reduceLr = ReduceLROnPlateau(monitor='val_loss', factor=0.9, patience=50,verbose=1, 
                             mode='auto', epsilon=0.0001, cooldown=0, min_lr=0.0001)

参数说明：
monitor：监测的值，可以是accuracy，val_loss,val_accuracy。
factor：缩放学习率的值，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
verbose： 整数。0：安静，1：更新信息。
mode：‘auto’，‘min’，‘max’之一 默认‘auto’就行.如果是min模式，如果被监测的数据已经停止下降，学习速率会被降低；在max模式，如果被监测的数据已经停止上升,学习速率会被降低；在auto模式，方向会被从被监测的数据中自动推断出来。
epsilon&#