Keras学习笔记（Callback）

最新推荐文章于 2024-05-18 08:14:46 发布

原创最新推荐文章于 2024-05-18 08:14:46 发布 · 419 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习 #自然语言处理

本文介绍了在Keras中自定义回调函数Callback的使用，通过`Evaluator1`类展示了如何在每个训练周期结束时保存最佳模型，并评估验证集和测试集的准确性。同时提到了内置的回调方法如ModelCheckpoint用于模型保存，EarlyStopping用于提前终止训练以及TensorBoard用于可视化训练过程。这些回调方法有助于优化模型性能并监控训练状态。

Callback

1. 先看一下callback类源码

class Callback(object):
    def __init__(self):
        self.validation_data = None
        self.model = None

    def set_params(self, params):
        self.params = params

    def set_model(self, model):
        self.model = model

    def on_epoch_begin(self, epoch, logs=None):
        pass

    def on_epoch_end(self, epoch, logs=None):
        pass

    def on_batch_begin(self, batch, logs=None):
        pass

    def on_batch_end(self, batch, logs=None):
        pass

    def on_train_begin(self, logs=None):
        pass

    def on_train_end(self, logs=None):
        pass

我们在调用是可以这样写（保存最优模型）

# 回调类1
class Evaluator1(keras.callbacks.Callback):
    def __init__(self):
        self.best_val_acc = 0.
    # 每迭代一次，调用一次
    def on_epoch_end(self, epoch, logs=None):
        val_acc = evaluate(valid_generator)
        if val_acc > self.best_val_acc:
            self.best_val_acc = val_acc
            model.save_weights(r'data/best_model.weights')
        test_acc = evaluate(test_generator)
        print(
            u'val_acc: %.5f, best_val_acc: %.5f, test_acc: %.5f\n' %
            (val_acc, self.best_val_acc, test_acc)
        )