tf.keras.callbacks.EarlyStopping
| Просмотреть исходный код на GitHub |
Прекращает обучение, когда отслеживаемый метрический показатель перестал улучшаться.
Наследуется от: Callback
tf.keras.callbacks.EarlyStopping(
monitor='val_loss', min_delta=0, patience=0, verbose=0, mode='auto',
baseline=None, restore_best_weights=False
)
Предполагается, что цель обучения — минимизировать потерю. В этом случае метрика, которая будет отслеживаться, будет 'loss', а режим — 'min'. Цикл обучения model.fit() будет проверять в конце каждой эпохи, не прекращается ли уменьшение потерь, учитывая min_delta и patience, если применимо. Как только будет установлено, что уменьшение больше не происходит, model.stop_training устанавливается в значение True, и обучение завершается.
Отслеживаемое значение должно быть доступно в словаре logs. Для этого передайте потерю или метрики в model.compile().
| Аргументы | |
|---|---|
monitor | Отслеживаемое значение. |
min_delta | Минимальное изменение в отслеживаемом значении, необходимое для квалификации как улучшение, т.е. абсолютное изменение меньше min_delta будет считаться отсутствием улучшения. |
patience | Количество эпох без улучшения, после которого обучение будет остановлено. |
verbose | Режим отображения. |
mode | Одно из значений {"auto", "min", "max"}. В режиме min обучение остановится, когда отслеживаемое значение перестанет уменьшаться; в режиме "max" обучение остановится, когда отслеживаемое значение перестанет увеличиваться; в режиме "auto" направление автоматически определяется по имени отслеживаемого значения. |
baseline | Базовое значение для отслеживаемого значения. Обучение остановится, если модель не показывает улучшения по сравнению с базовым значением. |
restore_best_weights | Нужно ли восстановить веса модели из эпохи с наилучшим значением отслеживаемого значения. Если False, используются веса модели, полученные на последнем шаге обучения. |
Пример:
callback = tf.keras.callbacks.EarlyStopping(monitor='loss', patience=3)
# This callback will stop the training when there is no improvement in
# the validation loss for three consecutive epochs.
model = tf.keras.models.Sequential([tf.keras.layers.Dense(10)])
model.compile(tf.keras.optimizers.SGD(), loss='mse')
history = model.fit(np.arange(100).reshape(5, 20), np.zeros(5),
epochs=10, batch_size=1, callbacks=[callback],
verbose=0)
len(history.history['loss']) # Only 4 epochs are run.
4
Методы
get_monitor_value
get_monitor_value(
logs
)
set_model
set_model(
model
)
set_params
set_params(
params
)
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/keras/callbacks/EarlyStopping
