官方文档：https://keras.io/callbacks/#earlystopping
keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=0, verbose=0, mode='auto', baseline=None, restore_best_weights=False)在monitored停止提升时停止训练。
参数
- monitor: 要监控的变量
- min_delta: monitor的最小变化，如果绝对值小于min_delta，则视为没有改善
- patience: 没有改善的时期数，之后训练将被停止。
- verbose: 详细模式，与mode有关。
- mode: one of {auto, min, max}. 在最小模式下，当监控量停止下降时，培训将停止; 在最大模式下，当监控量停止增加时，它将停止; 在自动模式下，从监控数量的名称自动推断方向。
- baseline: 要监控的变量的基准值。 如果模型没有显示baseline的改善，训练将停止。
- restore_best_weights: 是否使用受监控数量的最佳值从时期恢复模型权重。 如果为假，则使用在训练的最后一步获得的模型权重
作用：可以防止过拟合
