Keras防止过拟合（三） 如何提前终止训练

解决过拟合的方法，前面已经讲了2种，Dropout层Keras防止过拟合（一）Dropout层源码细节，L1L2正则化keras防止过拟合（二） L1正则化与L2正则化源码细节和在自定义层中加入。
除此之外，当损失函数不降反增，或是降低十分缓慢时，提前结束训练也是一个很好的办法。因为，随着模型训练次数的增多，模型会更加复杂，更易出现过拟合。本篇说明一下，keras如何提前终止训练。

使用回调函数callbacks中的EarlyStopping

简单的例子：

callback = keras.callbacks.EarlyStopping(monitor='loss', patience=1)#使用loss作为监测数据，轮数设置为1
model = Sequential()
model.add(Dense(10))
model.compile(loss='categorical_crossentropy', optimizer='sgd', loss='mse')
model.fit(x_train, y_train,epochs=10, batch_size=1, callbacks=[callback])

Keras使用