我在进行二元分类时使用了Keras的EarlyStopping回调函数。然而，关于patience参数我有一个问题。

在文档中提到

patience: 在训练停止之前，没有改进的轮数（epochs）。

但我发现它的行为与此不同。例如，我设置了

EarlyStopping(monitor='val_loss', min_delta=0.0001, patience=2, verbose=0, mode='auto')

结果如下：

val_loss: 0.6811val_loss: 0.6941 val_loss: 0.6532val_loss: 0.6546val_loss: 0.6534val_loss: 0.6489val_loss: 0.6240val_loss: 0.6285val_loss: 0.6144val_loss: 0.5921val_loss: 0.5731val_loss: 0.5956val_loss: 0.5753val_loss: 0.5977

训练在此时停止了。据我观察，末尾并没有连续两次增加的损失值。能有人解释一下这个参数现象吗？

回答：

有三次连续的损失值变差，我们来看一下这些数字：

val_loss: 0.5921 < 当前最佳val_loss: 0.5731 < 当前最佳val_loss: 0.5956 < patience 1val_loss: 0.5753 < patience 2val_loss: 0.5977 < patience >2，停止训练

你已经发现了min delta参数，但我认为它在这里触发的阈值太小了（你差了10倍）。