tf.keras.callbacks.ReduceLROnPlateau
| Просмотреть исходный код на GitHub |
Снижение скорости обучения, когда метрика перестаёт улучшаться.
Наследуется от: Callback
tf.keras.callbacks.ReduceLROnPlateau(
monitor='val_loss',
factor=0.1,
patience=10,
verbose=0,
mode='auto',
min_delta=0.0001,
cooldown=0,
min_lr=0,
**kwargs
)
Модели часто получают выгоду от уменьшения скорости обучения в 2-10 раз, когда обучение застаивается. Этот обратный вызов отслеживает величину, и если улучшение не наблюдается в течение заданного числа эпох («терпение»), скорость обучения уменьшается.
Пример:
reduce_lr = ReduceLROnPlateau(monitor='val_loss', factor=0.2,
patience=5, min_lr=0.001)
model.fit(X_train, Y_train, callbacks=[reduce_lr])
| Аргументы | |
|---|---|
monitor | величина, подлежащая мониторингу. |
factor | множитель, на который будет уменьшена скорость обучения. new_lr = lr * factor. |
patience | количество эпох без улучшения, после которого скорость обучения будет уменьшена. |
verbose | целое число. 0: без сообщений, 1: с сообщениями об обновлениях. |
mode | один из {'auto', 'min', 'max'}. В режиме 'min' скорость обучения будет уменьшена, когда отслеживаемая величина перестанет убывать; в режиме 'max' — когда отслеживаемая величина перестанет возрастать; в режиме 'auto' направление автоматически определяется по названию отслеживаемой величины. |
min_delta | порог для измерения нового оптимума, чтобы сосредоточиться только на значительных изменениях. |
cooldown | количество эпох ожидания перед возобновлением нормальной работы после снижения lr. |
min_lr | нижняя граница скорости обучения. |
Методы
in_cooldown
in_cooldown()
set_model
set_model(
model
)
set_params
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/ReduceLROnPlateau
