TensorFlow中使用tf.keras.callbacks.EarlyStopping防止訓練過擬合

TensorFlow tf.keras.callbacks.EarlyStopping

當模型訓練次數epoch設置到100甚至更大時，如果模型的效果沒有進一步提升，那么訓練可以提前停止，繼續訓練很可能會導致訓練過擬合，而EarlyStopping就是用來提前結束訓練的。

參數	描述
monitor	被監測的數據。
min_delta	在被監測的數據中被認為是提升的最小變化， 例如，小於 min_delta 的絕對變化會被認為沒有提升。
patience	沒有進步的訓練輪數，在這之后訓練就會被停止。
verbose	詳細信息模式。
mode	{auto, min, max} 其中之一。 在 min 模式中， 當被監測的數據停止下降，訓練就會停止；在 max 模式中，當被監測的數據停止上升，訓練就會停止；在 auto 模式中，方向會自動從被監測的數據的名字中判斷出來。
baseline	要監控的數量的基准值。 如果模型沒有顯示基准的改善，訓練將停止。
restore_best_weights	是否從具有監測數量的最佳值的時期恢復模型權重。 如果為 False，則使用在訓練的最后一步獲得的模型權重。

 

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])