tf.keras.callbacks.EarlyStopping

Останавливает обучение, когда отслеживаемый метрика перестаёт улучшаться.

Наследуется от: Callback

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.callbacks.EarlyStopping

tf.keras.callbacks.EarlyStopping(
    monitor='val_loss',
    min_delta=0,
    patience=0,
    verbose=0,
    mode='auto',
    baseline=None,
    restore_best_weights=False
)

Предполагая, что цель обучения — минимизировать потерю. В этом случае, метрика, которая должна отслеживаться, будет 'loss', а режим — 'min'. Цикл обучения model.fit() будет проверять в конце каждой эпохи, не перестала ли снижаться потеря, учитывая min_delta и patience, если применимо. Как только будет обнаружено, что она больше не уменьшается, model.stop_training устанавливается в True, и обучение завершается.

Отслеживаемая величина должна быть доступна в словаре logs. Для этого передайте потерю или метрики в model.compile().

Аргументы
`monitor`	Величина для отслеживания.
`min_delta`	Минимальное изменение отслеживаемой величины, 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, 0 или 1. Режим 0 безмолвен, а режим 1 отображает сообщения, когда обращение к callback вызывает действие.
`mode`	Один из `{"auto", "min", "max"}`. В режиме `min`, обучение остановится, когда отслеживаемая величина перестанет уменьшаться; в режиме `"max"` оно остановится, когда отслеживаемая величина перестанет увеличиваться; в режиме `"auto"`, направление автоматически определяется по имени отслеживаемой величины.
`baseline`	Базовое значение отслеживаемой величины. Обучение остановится, если модель не показывает улучшения по сравнению с базовым значением.
`restore_best_weights`	Следует ли восстановить веса модели из эпохи с лучшим значением отслеживаемой величины. Если False, используются веса модели, полученные на последнем шаге обучения. Эпоха будет восстановлена независимо от производительности по отношению к `baseline`. Если ни одна эпоха не улучшится по сравнению с `baseline`, обучение будет выполняться в течение `patience` эпох и восстановит веса из лучшей эпохи в этом наборе.

Пример:

callback = tf.keras.callbacks.EarlyStopping(monitor='loss', patience=3)
# This callback will stop the training when there is no improvement in
# the 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`

Просмотреть исходный код

get_monitor_value(
    logs
)

`set_model`

Просмотреть исходный код

set_model(
    model
)

`set_params`

Просмотреть исходный код

set_params(
    params
)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/keras/callbacks/EarlyStopping