mindspore.EarlyStopping
- class mindspore.EarlyStopping(monitor='eval_loss', min_delta=0, patience=0, verbose=False, mode='auto', baseline=None, restore_best_weights=False)[源代码]
当监控的指标停止改进时停止训练。
假设 monitor 是”accuracy”,那么,mode 将为”max”,因为训练的目标是准确率的提高,model.fit() 边训练边验证场景下,将记录 monitor 的变化,当在 patience 个epoch范围内指标效果变好的程度没有超过 min_delta 时,将调用 run_context.request_stop() 方法来终止训练。
参数:
monitor (str) - 监控指标。如果是边训练边推理场景,合法的monitor配置值可以为”loss”, “eval_loss”以及实例化 Model 时传入的metric名称;如果在训练时不做推理,合法的monitor配置值为”loss”。当monitor为”loss”时,如果训练网络有多个输出,默认取第一个值为训练损失值。默认值:”eval_loss”。
min_delta (float) - monitor 指标变化的最小阈值,超过此阈值才视为 monitor 的变化。默认值:0。
patience (int) - moniter 相对历史最优值变好超过 min_delta 视为当前epoch的模型效果有所改善,patience 为等待的无改善epoch的数量,当内部等待的epoch数 self.wait 大于等于 patience 时,训练停止。默认值:0。
verbose (bool) - 是否打印相关信息。默认值:False。
mode (str) - {‘auto’, ‘min’, ‘max’} 中的一种,’min’模式下将在指标不再减小时执行早停,’max’模式下将在指标不再增大时执行早停,’auto’模式将根据当前 monitor 指标的特点自动设置。默认值:”auto”。
baseline (float) - 模型效果的基线,当前 moniter 相对历史最优值变好且好于 baseline 时,内部的等待epoch计数器被清零。默认值:0。
restore_best_weights (bool) - 是否自动保存最优模型的权重。默认值:False。
异常:
ValueError - 当 mode 不在 {‘auto’, ‘min’, ‘max’} 中。
ValueError - 当传入的 monitor 返回值不是标量。
样例:
>>> from mindspore.train.callback import EarlyStopping >>> from mindspore import Model, nn >>> net = LeNet5() >>> loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean') >>> optim = nn.Momentum(net.trainable_params(), 0.01, 0.9) >>> model = Model(net, loss_fn=loss, optimizer=optim, metrics={"acc"}) >>> data_path = './MNIST_Data' >>> dataset = create_dataset(data_path) >>> cb = EarlyStopping(monitor="acc", patience=3, verbose=True) >>> model.fit(10, dataset, callbacks=cb)
- on_train_begin(run_context)[源代码]
训练开始时初始化相关的变量。
参数:
run_context (RunContext) - 包含模型的相关信息。详情请参考
mindspore.RunContext
。
- on_train_end(run_context)[源代码]
打印是第几个epoch执行早停。
参数:
run_context (RunContext) - 包含模型的相关信息。详情请参考
mindspore.RunContext
。
- on_train_epoch_end(run_context)[源代码]
训练过程中,若监控指标在等待 patience 个epoch后仍没有改善,则停止训练。
参数:
run_context (RunContext) - 包含模型的相关信息。详情请参考
mindspore.RunContext
。