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])