Keras （凯拉斯）我想在val_acc停止改善时降低学习率

我正在尝试制作CNN模型，但精确度较低：

所以，我想在验证精度停止提高时降低SGD学习率

---

我如何制作和编译它？？？

如果您在model.train\u批量上循环，您可以手动更改学习速率：

import keras.backend as K
from keras.optimizers import Adam
import sys

epochs = 50
batch_size = 32
iterations_per_epoch = len(x_train) // batch_size

lr = 0.01
model.compile(optimizer=Adam(lr), loss='some loss')

min_val_loss = sys.float_info.max
for epoch in range(epochs):
    for batch in range(iterations_per_epoch):
        model.train_on_batch(x_train, y_train)
        val_loss = model.evaluate(x_val, y_val)
        if val_loss >= min_val_loss:
            K.set_value(model.optimizer.lr, lr / 2.)
            lr /= 2.
        else:
            min_val_loss = val_loss

一旦验证丢失停止减少，这是一种非常简单的降低学习率的方法。我建议实施更复杂的规则，例如，在最近的X批中，验证损失没有减少。

因为它应该是model.optimizer.learning\u rate