keras回调函数的使用

最新推荐文章于 2024-07-11 08:59:04 发布

格拉迪沃

最新推荐文章于 2024-07-11 08:59:04 发布

阅读量3.2k

点赞数 8

分类专栏： keras学习文章标签： keras 回调函数激活函数输出

本文链接：https://blog.csdn.net/qq_32796253/article/details/89190206

版权

Keras回调函数在训练期间提供交互功能，如模型检查点、提前终止和动态调整学习率。本文详细介绍了ModelCheckpoint、EarlyStopping和ReduceLROnPlateau等回调函数，并展示了如何编写自定义回调函数来保存模型的层激活。

摘要由CSDN通过智能技术生成

概述

在训练时候，我们希望在训练中有所输出和判断，而不是一直到训练结束才能实现交互，那么回调函数就是你最好的选择。本篇博文针对回调函数的功能，种类以及代码使用进行讲解

功能与种类

回调函数的用法例如下所示

模型检查点（model checkpointing）：在训练过程中的不同时间点保存模型的当前权重。
提前终止（early stopping）：如果验证损失不再改善，则中断训练（当然，同时保存在训练过程中得到的最佳模型）。
在训练过程中动态调节某些参数值：比如优化器的学习率。
在训练过程中记录训练指标和验证指标，或将模型学到的表示可视化（这些表示也在不断更新）：如Keras 进度条就是一个回调函数

keras.callbacks 模块包含许多内置的回调函数，下面列出了其中一些

	keras.callbacks.ModelCheckpoint
	keras.callbacks.EarlyStopping
	keras.callbacks.LearningRateScheduler
	keras.callbacks.ReduceLROnPlateau
	keras.callbacks.CSVLogger

ModelCheckpoint 与EarlyStopping 回调函数

import keras
callbacks_list = [
	keras.callbacks.EarlyStopping(#如果不再改善，就中断训练
	monitor='acc',
	patience=1,#如果精度在多于一轮的时间（即两轮）内不再改善，中断训练
),
keras.callbacks.ModelCheckpoint(
	filepath='my_model.h5',
	monitor