keras.callbacks.Callback / ModelCheckpoint / LearningRateScheduler

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/