Keras的EarlyStopping与ModelCheckpoint

from keras.callbacks import EarlyStopping

keras的callbacks中已经实现了EarlyStopping类，需要指定监测的指标，多少轮不提高，监测指标是越大越好还是越小越好，信息输出模式

early_stopping = EarlyStopping(monitor='roc_auc_val', patience=200, verbose=2, mode='max')

200次epoch AUC不提高则停止，这里的monitor，指标是前面的AUC metric类实现的，on_epoch_end的实例方法中有个参数logs={}，logs['roc_auc_val'] = XXX，为logs添加了一对key-value

所以fit中callbacks参数list中[auc实例,early_stopping ] auc实例要写在前面


from keras.callbacks import ModelCheckpoint
因为earlystopping了，此时的模型还是训练停止时候的，并不是metric最好时候的，这个时候要使用一个ModelCheckpoint类，
checkpoint = ModelCheckpoint('cnn_2A.model',monitor='roc_auc_val',mode='max',save_best_only=True,verbose=1)
第一个参数存储地址
第二个参数监测的指标
第三个阐述指标的大小与好坏关系
第四个是监测指标一旦有改进就会进行存储，下一次会overwrite上一次，最后的model不会被overwritten

这个checkpoint实例也是加到callbacks list中，根据输出的logs，我发现是一旦有提升就会存储一次（增加磁盘IO？，可以把参数存入内存，不断替代，停止的时候再存储？）