1 前言
在tensorflow.keras中,callbacks能在fit
、evaluate
和predict
过程中加入伴随着模型的生命周期运行,目前tensorflow.keras已经构建了许多种callbacks供用户使用,用于防止过拟合、可视化训练过程、纠错、保存模型checkpoints和生成TensorBoard等。通过这篇文章,我们来了解一下如何使用tensorflow.keras里的各种callbacks,以及如何自定义callbacks。
2 使用callbacks
使用callbacks的步骤很简单,先定义callbacks,然后在model.fit
、model.evaluate
和model.predict
中把定义好的callbacks传到callbacks
参数里即可。
以最常见的ModelCheckpoint
为例,使用过程如下示例:
...
model_checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
filepath=filePath,
save_weights_only=True,
monitor='val_accuracy',
mode='max')
model.fit(x, y, callbacks=model_checkpoint_callback)
这样在模型训练时,就会将模型checkpoints存储在对应的位置供后续使用。除了ModelCheckpoint,在Tensorflow 2.0中,还有