TensorFlow中使用tf.keras.callbacks.EarlyStopping防止训练过拟合
TensorFlow tf.keras.callbacks.EarlyStopping
当模型训练次数epoch设置到100甚至更大时,如果模型的效果没有进一步提升,那么训练可以提前停止,继续训练很可能会导致训练过拟合,而EarlyStopping就是用来提前结束训练的。
参数 | 描述 |
monitor | 被监测的数据。 |
min_delta | 在被监测的数据中被认为是提升的最小变化, 例如,小于 min_delta 的绝对变化会被认为没有提升。 |
patience | 没有进步的训练轮数,在这之后训练就会被停止。 |
verbose | 详细信息模式。 |
mode | {auto, min, max} 其中之一。 在 min 模式中, 当被监测的数据停止下降,训练就会停止;在 max 模式中,当被监测的数据停止上升,训练就会停止;在 auto 模式中,方向会自动从被监测的数据的名字中判断出来。 |
baseline | 要监控的数量的基准值。 如果模型没有显示基准的改善,训练将停止。 |
restore_best_weights | 是否从具有监测数量的最佳值的时期恢复模型权重。 如果为 False,则使用在训练的最后一步获得的模型权重。 |
TensorFlow中Earlystopping使用方法
import tensorflow as tf early_stopping=tf.keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=0, verbose=0, mode='auto', baseline=None, restore_best_weights=False) model.fit(callbacks = [early_stopping])