ReduceLROnPlateau

[原始碼]

ReduceLROnPlateau 類別

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
)

當指標停止改進時降低學習率。

當學習停滯時，模型通常會從將學習率降低 2 到 10 倍中獲益。此回呼會監控一個量，如果經過「耐心」數量的 epoch 後沒有看到改善，則會降低學習率。

範例

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

參數

• monitor：字串。要監控的量。
• factor：浮點數。學習率將降低的因子。new_lr = lr * factor。
• patience：整數。在降低學習率之前沒有改善的 epoch 數量。
• verbose：整數。0：靜音，1：更新訊息。
• mode：字串。{'auto', 'min', 'max'} 其中之一。在 'min' 模式下，當監控的量停止減少時，學習率將降低；在 'max' 模式下，當監控的量停止增加時，學習率將降低；在 'auto' 模式下，方向會從監控量的名稱自動推斷。
• min_delta：浮點數。用於測量新最佳值的閾值，僅關注顯著變化。
• cooldown：整數。在學習率降低後，恢復正常操作之前要等待的 epoch 數量。
• min_lr：浮點數。學習率的下限。