keras ReduceLROnPlateau和EarlyStopping

monitor：监测的值，可以是accuracy，val_loss,val_accuracy
factor：缩放学习率的值，学习率将以lr = lr*factor的形式被减少
patience：当patience个epoch过去而模型性能不提升时，学习率减少的动作会被触发
mode：‘auto’，‘min’，‘max’之一 默认‘auto’就行
epsilon：阈值，用来确定是否进入检测值的“平原区”
cooldown：学习率减少后，会经过cooldown个epoch才重新进行正常操作
min_lr：学习率最小值，能缩小到的下限
 
Reduce=ReduceLROnPlateau(monitor='val_accuracy',
                         factor=0.1,
                         patience=2,
                         verbose=1,
                         mode='auto',
                         epsilon=0.0001,
                         cooldown=0,
                         min_lr=0)

这个函数是这样的初始的学习率可能不适合后期的训练，后者后期训练时候loss，acc一直在波动，可以动态减少学习率。

EarlyStop=EarlyStopping(monitor='val_accuracy',
                        patience=2,verbose=1, mode='auto')

上面这个 是早停函数，如果被检测的val_accuracy,出现两个epochs的 下降，那么提前停止防止过拟合。
EarlyStopping的patience要比ReduceLROnPlateau的patience大一些才会有效果。
参考：https://www.freesion.com/article/4104548785/
参考：https://blog.csdn.net/weixin_41449637/article/details/90201206