Python tf.keras.callbacks.ReduceLROnPlateau用法及代碼示例

當指標停止改進時降低學習率。

繼承自：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
)

參數

monitor 要監控的數量。
factor 降低學習率的因子。 new_lr = lr * factor 。
patience 沒有改善的時期數，之後學習率將降低。
verbose int. 0：安靜，1：更新消息。
mode {'auto', 'min', 'max'} 之一。 'min'模式下，當監控量停止減少時，學習率會降低；在'max'模式下，當監控的數量停止增加時，它會減少；在'auto'模式下，根據監控量的名稱自動推斷方向。
min_delta 衡量新的最佳值的閾值，隻關注重大變化。
cooldown 在 lr 減少後恢複正常操作之前要等待的 epoch 數。
min_lr 學習率的下限。

一旦學習停滯，模型通常會受益於將學習率降低 2-10 倍。此回調監控一個數量，如果在'patience' 的時期數上沒有看到任何改進，則學習率會降低。

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])

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.callbacks.ReduceLROnPlateau。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。