Loading

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])

 

posted @ 2021-12-22 14:03  _yhwu  阅读(1422)  评论(0编辑  收藏  举报