ReduceLROnPlateau

[来源]

ReduceLROnPlateau 类

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
)

当指标停止改进时，降低学习率。

当学习停滞时，将学习率降低 2-10 倍通常会提高模型的性能。此回调函数会监控一个指标，如果在 'patience' 个 epoch 中没有看到改进，则会降低学习率。

示例

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

参数

• monitor：要监控的数量。
• factor：学习率将要降低的因子。new_lr = lr * factor。
• patience：在没有改进的情况下，经过多少个 epoch 后学习率将降低。
• verbose：整数。0：静默；1：显示更新信息。
• mode：{'auto', 'min', 'max'} 中的一个。在 'min' 模式下，当监控的数量停止下降时，学习率将降低；在 'max' 模式下，当监控的数量停止增加时，学习率将降低；在 'auto' 模式下，方向将根据被监控数量的名称自动推断。
• min_delta：衡量新最优值的阈值，仅关注显著变化。
• cooldown：学习率降低后，在恢复正常操作之前等待的 epoch 数。
• min_lr：学习率的下限。