Python tf.keras.callbacks.ReduceLROnPlateau用法及代码示例

当指标停止改进时降低学习率。

继承自：Callback

用法

tf.keras.callbacks.ReduceLROnPlateau(
    monitor='val_loss', factor=0.1, patience=10, verbose=0,
    mode='auto', min_delta=0.0001, cooldown=0, min_lr=0, **kwargs
)

参数

monitor 要监控的数量。
factor 降低学习率的因子。 new_lr = lr * factor 。
patience 没有改善的时期数，之后学习率将降低。
verbose int. 0：安静，1：更新消息。
mode {'auto', 'min', 'max'} 之一。 'min'模式下，当监控量停止减少时，学习率会降低；在'max'模式下，当监控的数量停止增加时，它会减少；在'auto'模式下，根据监控量的名称自动推断方向。
min_delta 衡量新的最佳值的阈值，只关注重大变化。
cooldown 在 lr 减少后恢复正常操作之前要等待的 epoch 数。
min_lr 学习率的下限。

一旦学习停滞，模型通常会受益于将学习率降低 2-10 倍。此回调监控一个数量，如果在'patience' 的时期数上没有看到任何改进，则学习率会降低。

例子：

reduce_lr = ReduceLROnPlateau(monitor='val_loss', factor=0.2,
                              patience=5, min_lr=0.001)
model.fit(X_train, Y_train, callbacks=[reduce_lr])

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.callbacks.ReduceLROnPlateau。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。