官网解释

Keras.callbacks

回调函数是一组在训练的特定阶段被调用的函数集，你可以使用回调函数来观察训练过程中网络内部的状态和统计信息。通过传递回调函数列表到模型的.fit()中，即可在给定的训练阶段调用该函数集中的函数。

ModelCheckpoint:

该回调函数将在每个epoch后保存模型到filepath

keras.callbacks.ModelCheckpoint(filepath, monitor='val_loss', 
verbose=0, save_best_only=False, 
save_weights_only=False, mode='auto', period=1)

• filepath:字符串，保存模型的路径和名称。
• monitor='val_loss'：需要监视的值。默认是验证集损失。
• verbose=0：信息展示模式，0或1。
• save_best_only=False：当设置为True时，将只保存在验证集上性能最好的模型。
• save_weights_only=False：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）。
• 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，评价准则由被监测值的名字自动推断。
• period=1：CheckPoint之间的间隔的epoch数。（epoch指整个数据集（所有batch全部更新完1次）被训练的轮次）。

ReduceLROnPlateau：

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。学习率对模型训练的影响解释

keras.callbacks.ReduceLROnPlateau(monitor='val_loss', 
factor=0.1, patience=10, verbose=0, mode='auto', 
epsilon=0.0001, cooldown=0, min_lr=0)

• monitor：被监测的量。默认是val_loss
• factor：每次减少学习率(lr)的因子，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，如果观测值是val_loss，那么当它不再减少（对应min）时改变lr
• 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

EarlyStopping：

当监测值monitor不再改善时，该回调函数将中止训练

keras.callbacks.EarlyStopping(monitor='val_loss', patience=0, 
verbose=0, mode='auto')

• monitor：需要监视的量
• patience：当early stop被激活（如发现loss相比上一个epoch训练没有下降），则经过patience个epoch后停止训练。
• verbose：信息展示模式
• mode：‘auto’，‘min’，‘max’之一，在min模式下，如果检测值停止下降则中止训练。在max模式下，当检测值不再上升则停止训练。

yolov3代码->train.py涉及到的：

ModelCheckpoint：

checkpoint = ModelCheckpoint(log_dir + 'ep{epoch:03d}-

loss{loss:.3f}-val_loss{val_loss:.3f}.h5',

        monitor='val_loss', save_weights_only=True, 

save_best_only=True, period=3)

参数解释：

• filepath=log_dir + 'ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5'。保存的权值名字。
• monitor='val_loss', 检测val_loss的值。
• save_weights_only=True, 只保留模型权值
• save_best_only=True, 只保留性能最好的模型
• period=3。每3个epoch进行一次CheckPoint。

ReduceLROnPlateau：

    reduce_lr = ReduceLROnPlateau(monitor='val_loss', 

factor=0.1, patience=3, verbose=1)

参数解释：

• monitor='val_loss', 监测val_loss。如果在patience个epoch中val_loss没有下降，那么改变lr。
• factor=0.1, lr=lr*0.1
• patience=3, 持续三个epoch。
• verbose=1。

EarlyStopping：

early_stopping = EarlyStopping(monitor='val_loss', 

min_delta=0, patience=10, verbose=1)

参数解释：

• monitor='val_loss', 监测值
• min_delta=0,
• patience=10, 如发现loss相比上一个epoch训练没有下降，则经过10个epoch后停止训练。说明模型存在过拟合问题。
• verbose=1