keras.callbacks.EarlyStopping，请详细解释一下使用方法

keras.callbacks.EarlyStopping 是一个回调函数，可以在训练神经网络时，根据设定的规则来停止训练过程。这有助于避免过拟合（overfitting），也就是训练集的损失函数值下降，但验证集的损失函数值却没有明显下降或者上升的情况。

使用方法：

1. 在训练模型时，将 EarlyStopping 实例作为回调函数传递给 fit() 方法。
2. 设置 EarlyStopping 的参数，比如 monitor（监控的指标）、min_delta（最小变化量）、patience（没有进步的训练轮数）等。

示例：

from tensorflow.keras.callbacks import EarlyStopping

early_stopping = EarlyStopping(monitor='val_loss', min_delta=0, patience=10, verbose=0, mode='auto')

# 在训练时使用 EarlyStopping 回调函数
model.fit(X_train, y_train, epochs=100, validation_data=(X_val, y_val), callbacks=[early_stopping])

在上面的代码中，EarlyStopping 回调函数监控验证集的损失函数值（monitor='val_loss'），当连续10轮（patience=10）训练后，损失函数值没有变化量大于0（min_delta=0）的情况下，就会停止训练。