参考
http://keras-cn.readthedocs.io/en/latest/other/callbacks/
Keras.callbacks.ModelCheckpoint (filepath,monitor=’val_loss’,verbose=0,save_best_only=False, save_weights_only=False, mode=’auto’, period=1)
该回调函数将在每个epoch后保存模型到filepath，filepath可以是格式化的字符串，里面的占位符将会被epoch值和传入on_epoch_end的logs关键字所填入。
例如：filepath若为weights.{epoch:02d-{val_loss : . 2f}}.hdf5，则会生成对应epoch和验证集loss的多个文件。
参数
- filename：字符串，保存模型的路径
- monitor：需要监视的值
- verbose：信息展开模式，0或1
- save_best_only：当设置为True时，将只保存在验证集上性能最好的模型
- 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，当检测值为val_loss时，模式应为min。在auto模式下，评价准则由被检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（包括模型结构，配置信息等）
- period：CheckPoint之间的间隔的epoch数
扫描二维码关注公众号，回复：
4895866 查看本文章
keras.callbacks.LearningRateScheduler(schedule)：
该回调函数是学习率调度器。
参数
- schedule：函数，该函数以epoch号为参数（从0算起的整数），返回一个新学习率（浮点数）
keras.callbacks.ReduceLROnPlateau(monitor=’val_loss’, factor=0.1, patience=1.0, verbose=0, mode=’auto’, epsilon=0.0001, cooldown=0, min_lr=0)
当评价指标不再提升时，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
参数
- monitor：被监测的量
- factor：每次减少学习率的因子，学习率将以lr=lr*factor的形式减少
- 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，在min模式下，如果检测值不再降低，则触发学习率减少。在max模式下，当检测值不再上升则触发学习率减少。
- 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：学习率的下限