以最小的加速度损失将平台降低到以前的重量

Question

我使用ReduceLROnPlateau作为fit回调来减少LR，我使用patiente=10，因此当LR的减少被触发时，模型可能远远不是最佳权重。在

有没有办法回到最小的acc峎损失，并重新开始训练与新的LR？在

有感觉吗？在

我可以手动使用earlysting和ModelCheckpoint（'最佳.hdf5，save_best_only=True，monitor='val'u loss'，mode='min'）回调，但我不知道它是否有意义。在

Answer 1

下面是一个遵循@nuric指示的有效示例：

from tensorflow.python.keras.callbacks import ReduceLROnPlateau
from tensorflow.python.platform import tf_logging as logging

class ReduceLRBacktrack(ReduceLROnPlateau):
def __init__(self, best_path, *args, **kwargs):
    super(ReduceLRBacktrack, self).__init__(*args, **kwargs)
    self.best_path = best_path

def on_epoch_end(self, epoch, logs=None):
    current = logs.get(self.monitor)
    if current is None:
        logging.warning('Reduce LR on plateau conditioned on metric `%s` '
                        'which is not available. Available metrics are: %s',
                         self.monitor, ','.join(list(logs.keys())))
    if not self.monitor_op(current, self.best): # not new best
        if not self.in_cooldown(): # and we're not in cooldown
            if self.wait+1 >= self.patience: # going to reduce lr
                # load best model so far
                print("Backtracking to best model before reducting LR")
                self.model.load_weights(self.best_path)

    super().on_epoch_end(epoch, logs) # actually reduce LR

ModelCheckpoint回调可用于更新最佳模型转储。e、 g.将以下两个回调传递给model fit：

^{pr2}$