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)
当评价指标不在提升时，减少学习率
当学习停滞时，减少2倍或10倍的学习率常常能获得较好的效果。该回调函数检测指标的情况，如果在patience个epoch中看不到模型性能提升，则减少学习率
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，保存模型的路径（可以将模型的准确率和损失等写到路径中，格式如下：）
ModelCheckpoint('model_check/'+'ep{epoch:d}-acc{acc:.3f}- val_acc{val_acc:.3f}.h5',monitor='val_loss')
还可以添加损失值等如 ‘loss{loss:.3f}-val_loss{val_loss:.3f}’
monitor:需要检测的值如测试集损失或者训练集损失等
save_best_only：当设置为True时，监测值有改进时才会保存当前的模型
verbose：信息展示模式，0或1
mode：‘auto’，‘min’，‘max’之一，在save_best_only=True时决定性能最佳模型的评判准则，
例如，当监测值为val_acc时，模式应为max，当监测值为val_loss时，模式应为min。在auto模式下，
评价准则由被监测值的名字自动推断。
save_weights_only：若设置为True，则只保存模型权重，否则将保存整个模型
period：CheckPoint之间的间隔的epoch数
3.EarlyStopping
keras.callbacks.EarlyStopping(monitor='val_loss', patience=0, verbose=0, mode='auto')
当监测值不再改善时，该回调函数将中止训练
monitor：需要监视的量
patience：当early stop被激活（如发现loss相比上一个epoch训练没有下降），则经过
patience个epoch后停止训练。
verbose：信息展示模式
mode：‘auto’，‘min’，‘max’之一，在min模式下，如果检测值停止下降则中止训
练。在max模式下，当检测值不再上升则停止训练。
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)
当评价指标不在提升时，减少学习率
当学习停滞时，减少2倍或10倍的学习率常常能获得较好的效果。该回调函数检测指标的
情况，如果在patience个epoch中看不到模型性能提升，则减少学习率
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，保存模型的路径（可以将模型的准确率和损失等写到路径中，格式如下：）
ModelCheckpoint('model_check/'+'ep{epoch:d}-acc{acc:.3f}-
val_acc{val_acc:.3f}.h5',monitor='val_loss')
还可以添加损失值等如 ‘loss{loss:.3f}-val_loss{val_loss:.3f}’
monitor:需要检测的值如测试集损失或者训练集损失等
save_best_only：当设置为True时，监测值有改进时才会保存当前的模型
verbose：信息展示模式，0或1
mode：‘auto’，‘min’，‘max’之一，在save_best_only=True时决定性能最佳模型的评判准则，
例如，当监测值为val_acc时，模式应为max，当监测值为val_loss时，模式应为min。在auto模式下，
评价准则由被监测值的名字自动推断。
save_weights_only：若设置为True，则只保存模型权重，否则将保存整个模型
period：CheckPoint之间的间隔的epoch数
3.EarlyStopping
keras.callbacks.EarlyStopping(monitor='val_loss', patience=0, verbose=0, mode='auto')
当监测值不再改善时，该回调函数将中止训练
monitor：需要监视的量
patience：当early stop被激活（如发现loss相比上一个epoch训练没有下降），则经过
patience个epoch后停止训练。
verbose：信息展示模式
mode：‘auto’，‘min’，‘max’之一，在min模式下，如果检测值停止下降则中止训
练。在max模式下，当检测值不再上升则停止训练。
来源：CSDN
作者：qq_36601957
链接：https://blog.csdn.net/qq_36601957/article/details/103835288