Python tf.keras.callbacks.Callback用法及代码示例

用于构建新回调的抽象基类。

用法

tf.keras.callbacks.Callback()

回调可以传递给诸如 fit , evaluate 和 predict 等 keras 方法，以连接到模型训练和推理生命周期的各个阶段。

要创建自定义回调，请继承 keras.callbacks.Callback 并覆盖与感兴趣的阶段关联的方法。有关更多信息，请参阅 https://www.tensorflow.org/guide/keras/custom_callback。

例子：

training_finished = False
class MyCallback(tf.keras.callbacks.Callback):
  def on_train_end(self, logs=None):
    global training_finished
    training_finished = True
model = tf.keras.Sequential([tf.keras.layers.Dense(1, input_shape=(1,))])
model.compile(loss='mean_squared_error')
model.fit(tf.constant([[1.0]]), tf.constant([[1.0]]),
          callbacks=[MyCallback()])
assert training_finished == True

如果您想在自定义训练循环中使用 Callback 对象：

1. 您应该将所有回调打包到一个 callbacks.CallbackList 中，以便可以一起调用它们。

2. 您将需要在循环中的适当位置手动调用所有on_* 方法。像这样：

   callbacks =  tf.keras.callbacks.CallbackList([...])
   callbacks.append(...)
   
   callbacks.on_train_begin(...)
   for epoch in range(EPOCHS):
     callbacks.on_epoch_begin(epoch)
     for i, data in dataset.enumerate():
       callbacks.on_train_batch_begin(i)
       batch_logs = model.train_step(data)
       callbacks.on_train_batch_end(i, batch_logs)
     epoch_logs = ...
     callbacks.on_epoch_end(epoch, epoch_logs)
   final_logs=...
   callbacks.on_train_end(final_logs)

   回调方法作为参数的logs 字典将包含与当前批次或时期相关的数量的键(参见method-specific 文档字符串)。