callbacks(回调函数):一组在训练的特定阶段被调用的函数集,可使用callbacks观察训练过程中网络内部的状态和统计信息。将callbacks传递到模型的 .fit( ) 中,即可在给定的训练阶段调用该函数集中的函数。
callbacks实际上是一个类,回调函数是习惯性称呼。
1. keras.callbacks.Callback
回调函数的抽象类,定义新的回调函数必须继承自该类。
类属性:
- parems: 字典,训练参数集(如信息显示方法verbosity, batch, epoch)
- model: keras.model.Model对象,为正在训练的模型的引用
回调函数以字典logs为参数,包含了与当前batch/epoch相关的信息。目前,模型的 .fit() 中下列参数会记录到logs中:
- 在每个epoch的结尾(on_epoch_end), logs将包含训练的正确率(acc)和误差(loss), 如果指定了验证集,还包含验证集的正确率(val_acc)和误差(val_loss), vall_acc还需要在.compile中启用metrics=['accuracy']。
- 在每个batch的开始(on_batch_begin):
logs
包含size
,即当前batch的样本数。 - 在每个batch的结尾处(on_batch_end):
logs
包含loss
,若启用accuracy
,
则还包含acc。
2.keras.callbacks.ModelChechpoint
keras.callbacks.ModelCheckpoint(filepath, monitor='val_loss', verbose=0, save_best_only=False, save_weights_only=False, mode='auto', period=1)
在每个epoch后,保存模型到filepath。filepath
可以是格式化的字符串,里面的占位符将会被epoch
值和传入on_epoch_end
的logs
关键字所填入
例如,filepath
若为weights.{epoch:02d-{val_loss:.2f}}.hdf5
,则会生成对应epoch和验证集loss的多个文件。
参数:
- filename:字符串,保存模型的路径
- monitor:需要监视的值
- verbose:信息展示模式,0或1
- save_best_only:当设置为
True
时,将只保存在验证集上性能最好的模型 - mode:‘auto’,‘min’,‘max’之一,在
save_best_only=True
时决定性能最佳模型的评判准则,例如,当监测值为val_acc
时,模式应为max
,当检测值为val_loss
时,模式应为min
。在auto
模式下,评价准则由被监测值的名字自动推断。 - save_weights_only:若设置为True,则只保存模型权重,否则将保存整个模型(包括模型结构,配置信息等)
-
period:CheckPoint之间的间隔的epoch数
3.keras.callbacks.LearningRateScheduler(schedule)
学习率调度器
参数:
- schedule: 函数,以epoch号为参数 (从0算起的整数), 返回一个新学习率(浮点数)
参考:https://keras-cn.readthedocs.io/en/latest/other/callbacks/