tf.keras.callbacks.ReduceLROnPlateau函数

类 ReduceLROnPlateau

继承自： Callback

定义在：tensorflow/python/keras/callbacks.py。

当指标停止提升时，降低学习速率。

一旦学习停止，模型通常会将学习率降低2-10倍。该回调监测数量，如果没有看到epoch的 'patience' 数量的改善，那么学习率就会降低。

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])

参数：

• monitor：要监测的数量。
• factor：学习速率降低的因素。new_lr = lr * factor
• patience：没有提升的epoch数，之后学习率将降低。
• verbose：int。0：安静，1：更新消息。
• mode：{auto，min，max}之一。在min模式下，当监测量停止下降时，lr将减少；在max模式下，当监测数量停止增加时，它将减少；在auto模式下，从监测数量的名称自动推断方向。
• min_delta：对于测量新的最优化的阀值，仅关注重大变化。
• cooldown：在学习速率被降低之后，重新恢复正常操作之前等待的epoch数量。
• min_lr：学习率的下限。

__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)