TensorFlow回調(diào)函數(shù)：tf.keras.callbacks.ReduceLROnPlateau

tf.keras.callbacks.ReduceLROnPlateau函數(shù)

類 ReduceLROnPlateau

繼承自： Callback

定義在：tensorflow/python/keras/callbacks.py。

當(dāng)指標(biāo)停止提升時，降低學(xué)習(xí)速率。

一旦學(xué)習(xí)停止，模型通常會將學(xué)習(xí)率降低2-10倍。該回調(diào)監(jiān)測數(shù)量，如果沒有看到epoch的 'patience' 數(shù)量的改善，那么學(xué)習(xí)率就會降低。

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])

參數(shù)：

• monitor：要監(jiān)測的數(shù)量。
• factor：學(xué)習(xí)速率降低的因素。new_lr = lr * factor
• patience：沒有提升的epoch數(shù)，之后學(xué)習(xí)率將降低。
• verbose：int。0：安靜，1：更新消息。
• mode：{auto，min，max}之一。在min模式下，當(dāng)監(jiān)測量停止下降時，lr將減少；在max模式下，當(dāng)監(jiān)測數(shù)量停止增加時，它將減少；在auto模式下，從監(jiān)測數(shù)量的名稱自動推斷方向。
• min_delta：對于測量新的最優(yōu)化的閥值，僅關(guān)注重大變化。
• cooldown：在學(xué)習(xí)速率被降低之后，重新恢復(fù)正常操作之前等待的epoch數(shù)量。
• min_lr：學(xué)習(xí)率的下限。

__init__

__init__(
    monitor='val_loss',
    factor=0.1,
    patience=10,
    verbose=0,
    mode='auto',
    min_delta=0.0001,
    cooldown=0,
    min_lr=0,
    **kwargs
)

初始化自我。

方法

in_cooldown()

on_batch_begin(
    batch,
    logs=None
)

on_batch_end(
    batch,
    logs=None
)

on_epoch_begin(
    epoch,
    logs=None
)

on_epoch_end(
    epoch,
    logs=None
)

on_train_batch_begin(
    batch,
    logs=None
)

on_train_batch_end(
    batch,
    logs=None
)

on_train_begin(logs=None)

on_train_end(logs=None)

set_model(model)

set_params(params)