Python tf.keras.callbacks.Callback用法及代碼示例

用於構建新回調的抽象基類。

用法

tf.keras.callbacks.Callback()

回調可以傳遞給諸如 fit , evaluate 和 predict 等 keras 方法，以連接到模型訓練和推理生命周期的各個階段。

要創建自定義回調，請繼承 keras.callbacks.Callback 並覆蓋與感興趣的階段關聯的方法。有關更多信息，請參閱 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

如果您想在自定義訓練循環中使用 Callback 對象：

1. 您應該將所有回調打包到一個 callbacks.CallbackList 中，以便可以一起調用它們。

2. 您將需要在循環中的適當位置手動調用所有on_* 方法。像這樣：

   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)

   回調方法作為參數的logs 字典將包含與當前批次或時期相關的數量的鍵(參見method-specific 文檔字符串)。