ReduceLROnPlateau

[源文件]

ReduceLROnPlateau 类

keras.callbacks.ReduceLROnPlateau(
    monitor="val_loss",
    factor=0.1,
    patience=10,
    verbose=0,
    mode="auto",
    min_delta=0.0001,
    cooldown=0,
    min_lr=0.0,
    **kwargs
)

当某个评估指标停止提升时，降低学习率。

一旦学习停滞，模型通常会受益于将学习率降低 2-10 倍。此回调函数会监视一个数量，如果在 'patience' 个周期内没有看到改进，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：字符串。要监控的数量。
• factor：浮点数。学习率将按此因子减少。new_lr = lr * factor。
• patience：整数。在没有改进的情况下，再经过多少个周期后学习率会降低。
• verbose：整数。0：安静，1：更新消息。
• mode：字符串。{'auto', 'min', 'max'} 之一。在 'min' 模式下，当监控的数量停止下降时，学习率会降低；在 'max' 模式下，当监控的数量停止增加时，学习率会降低；在 'auto' 模式下，方向会根据监控的数量名称自动推断。
• min_delta：浮点数。用于测量新最优值的阈值，仅关注显著变化。
• cooldown：整数。学习率降低后，等待多少个周期再恢复正常操作。
• min_lr：浮点数。学习率的下界。