早停法：把优化做"刚刚好"

既然您已经知道如何在优化过程中监控模型性能，就可以使用早停法在继续优化无益时自动停止。由于在无提升时会自动停止，正如 Dan 在视频中演示的那样，您也可以在 .fit() 调用中将 epochs 设为较大的值。

要优化的模型已定义为 model。与之前一样，数据已预加载为 predictors 和 target。

从 tensorflow.keras.callbacks 导入 EarlyStopping。
编译模型，仍然使用 'adam' 作为 optimizer，'categorical_crossentropy' 作为损失函数，并设置 metrics=['accuracy'] 以在每个 epoch 查看准确率。
创建名为 early_stopping_monitor 的 EarlyStopping 对象。通过将 EarlyStopping() 的 patience 参数设为 2，在验证集损失 2 个 epoch 未提升时停止优化。
使用 predictors 和 target 拟合模型。将 epochs 设为 30，并使用 0.3 的验证集划分。此外，将 [early_stopping_monitor] 传入 callbacks 参数。