Keras_callback

1.ReduceLROnPlateau
keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.1, patience=10, verbose=0, mode='auto', epsilon=0.0001, cooldown=0, min_lr=0)
當評價指標不在提升時，減少學習率
當學習停滯時，減少2倍或10倍的學習率常常能獲得較好的效果。該回調函數檢測指標的情況，如果在patience個epoch中看不到模型性能提升，則減少學習率

2.ModelCheckpoint
keras.callbacks.ModelCheckpoint(filepath,monitor='val_loss',verbose=0,save_best_only=False, save_weights_only=False, mode='auto', period=1)
filepath：字符串，保存模型的路徑（可以將模型的準確率和損失等寫到路徑中，格式如下：）
ModelCheckpoint('model_check/'+'ep{epoch:d}-acc{acc:.3f}- val_acc{val_acc:.3f}.h5',monitor='val_loss')
還可以添加損失值等如 ‘loss{loss:.3f}-val_loss{val_loss:.3f}’
monitor:需要檢測的值如測試集損失或者訓練集損失等
save_best_only：當設置爲True時，監測值有改進時纔會保存當前的模型
verbose：信息展示模式，0或1
mode：‘auto’，‘min’，‘max’之一，在save_best_only=True時決定性能最佳模型的評判準則，
例如，當監測值爲val_acc時，模式應爲max，當監測值爲val_loss時，模式應爲min。在auto模式下，
評價準則由被監測值的名字自動推斷。
save_weights_only：若設置爲True，則只保存模型權重，否則將保存整個模型
period：CheckPoint之間的間隔的epoch數
3.EarlyStopping
keras.callbacks.EarlyStopping(monitor='val_loss', patience=0, verbose=0, mode='auto')
當監測值不再改善時，該回調函數將中止訓練
monitor：需要監視的量
patience：當early stop被激活（如發現loss相比上一個epoch訓練沒有下降），則經過
patience個epoch後停止訓練。
verbose：信息展示模式
mode：‘auto’，‘min’，‘max’之一，在min模式下，如果檢測值停止下降則中止訓
練。在max模式下，當檢測值不再上升則停止訓練。
1.ReduceLROnPlateau
keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.1, patience=10, verbose=0,
mode='auto', epsilon=0.0001, cooldown=0, min_lr=0)
當評價指標不在提升時，減少學習率
當學習停滯時，減少2倍或10倍的學習率常常能獲得較好的效果。該回調函數檢測指標的
情況，如果在patience個epoch中看不到模型性能提升，則減少學習率

2.ModelCheckpoint
keras.callbacks.ModelCheckpoint(filepath,monitor='val_loss',verbose=0,save_best_only=False,
save_weights_only=False, mode='auto', period=1)
filepath：字符串，保存模型的路徑（可以將模型的準確率和損失等寫到路徑中，格式如下：）
ModelCheckpoint('model_check/'+'ep{epoch:d}-acc{acc:.3f}-
val_acc{val_acc:.3f}.h5',monitor='val_loss')
還可以添加損失值等如 ‘loss{loss:.3f}-val_loss{val_loss:.3f}’
monitor:需要檢測的值如測試集損失或者訓練集損失等
save_best_only：當設置爲True時，監測值有改進時纔會保存當前的模型
verbose：信息展示模式，0或1
mode：‘auto’，‘min’，‘max’之一，在save_best_only=True時決定性能最佳模型的評判準則，
例如，當監測值爲val_acc時，模式應爲max，當監測值爲val_loss時，模式應爲min。在auto模式下，
評價準則由被監測值的名字自動推斷。
save_weights_only：若設置爲True，則只保存模型權重，否則將保存整個模型
period：CheckPoint之間的間隔的epoch數

3.EarlyStopping keras.callbacks.EarlyStopping(monitor='val_loss', patience=0, verbose=0, mode='auto') 當監測值不再改善時，該回調函數將中止訓練 monitor：需要監視的量 patience：當early stop被激活（如發現loss相比上一個epoch訓練沒有下降），則經過 patience個epoch後停止訓練。 verbose：信息展示模式 mode：‘auto’，‘min’，‘max’之一，在min模式下，如果檢測值停止下降則中止訓 練。在max模式下，當檢測值不再上升則停止訓練。