ReduceLROnPlateau

[源代码]

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
)

当指标停止改进时，降低学习率。

模型通常会受益于将学习率降低2-10倍，一旦学习停滞。此回调监视一个量，如果在“耐心”次数的纪元内没有看到改进，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。要监视的数量。
• factor: 浮点数。学习率将要降低的因子。new_lr = lr * factor。
• patience: 整数。在降低学习率之前的无改进的纪元数。
• verbose: 整数。0：静默，1：更新消息。
• mode: 字符串。{'auto', 'min', 'max'} 中的一个。在'min'模式下，当监视的数量停止下降时，学习率将降低；在'max'模式下，当监视的数量停止增加时，学习率将降低；在'auto'模式下，方向会自动从监视数量的名称中推断出来。
• min_delta: 浮点数。用于测量新最优值的阈值，仅关注显著的变化。
• cooldown: 整数。学习率降低后恢复正常操作之前要等待的纪元数。
• min_lr: 浮点数。学习率的下界。