训练回调 - 英格兰vs伊朗让球

概述

回调是在训练过程的特定阶段应用的一组函数。您可以使用回调来获得训练期间模型的内部状态和统计信息的视图。你可以传递一个回调列表(作为关键字参数回调)符合()函数。然后在训练的每个阶段调用回调的相关方法。

例如:

图书馆(keras)#生成虚拟训练数据数据< -矩阵（rexp（1000＊784)，nrow =1000，ncol =784）标签< -矩阵（轮（runif（1000＊10，最小值=0，max =9)),nrow =1000，ncol =10）#创建模型模型< -keras_model_sequential（）#添加图层和编译模型% > %layer_dense（32，input_shape =c（784）)% > %layer_activation（“relu”）% > %layer_dense（10）% > %layer_activation（“softmax”）% > %编译（损失=“binary_crossentropy”，优化器=optimizer_sgd()，指标=“准确性”）# fit与回调模型% > %适合(数据、标签回调函数=列表（callback_model_checkpoint（“checkpoints.h5”)，callback_reduce_lr_on_plateau（监控=“val_loss”，系数=0．1））)

在回调

以下内置回调函数是Keras的一部分:

`callback_progbar_logger ()`	将指标打印到标准输出的回调。
`callback_model_checkpoint ()`	在每个纪元之后保存模型。
`callback_early_stopping ()`	当监控的数量停止提高时停止训练。
`callback_remote_monitor ()`	用于将事件流传输到服务器的回调。
`callback_learning_rate_scheduler ()`	学习速率调度器。
`callback_tensorboard ()`	TensorBoard基本的可视化
`callback_reduce_lr_on_plateau ()`	当指标停止改进时，降低学习率。
`callback_csv_logger ()`	回调，将纪元结果流到csv文件
`callback_lambda ()`	创建自定义回调

自定义回调

您可以通过创建新的回调来创建自定义回调R6类继承自KerasCallback类。

下面是一个简单的例子，在训练期间保存每个批次的损失列表:

图书馆(keras)#定义自定义回调类LossHistory < -R6：：R6Class（“LossHistory”，继承=KerasCallback,公共=列表（损失=零，on_batch_end =函数(批处理,日志=列表()) {自我＄损失< -c(自我＄损失,日志[[“损失”]])｝）)#定义模型模型< -keras_model_sequential（）#添加图层和编译模型% > %layer_dense（单位=10，input_shape =c（784）)% > %layer_activation（激活=“softmax”）% > %编译（损失=“categorical_crossentropy”，优化器=“rmsprop”）#创建历史回调对象，并在训练中使用它< -历史LossHistory＄新（）模型% > %适合（X_train Y_train,batch_size =128，时代=20.，verbose =0，回调函数=列表(历史)）#打印累计损失历史＄损失

[1] 0.6604760 0.3547246 0.2595316 0.2590170…

字段

自定义回调对象可以通过以下字段访问当前模型及其训练参数:

自我params美元: 带有训练参数的命名列表(如;冗长，批大小，周期数等等)。
自美元模型: 参考正在训练的Keras模型。

方法

自定义回调对象可以实现以下一个或多个方法:

on_epoch_begin(时代、日志): 在每个纪元的开始时被称为。
on_epoch_end(时代、日志): 在每个纪元结束时调用。
on_batch_begin(批处理、日志): 每批货一开始就叫。
on_batch_end(批处理、日志): 在每批货结束时调用。
on_train_begin(日志): 训练开始时叫的。
on_train_end(日志): 训练结束时叫的。
on_train_batch_begin: 每批货一开始都叫。
on_train_batch_end: 每批货结束时都要打电话。”
on_predict_batch_begin: 在预测方法的批处理开始时调用。
on_predict_batch_end: 在预测方法的批处理结束时调用。
on_predict_begin: 在预测开始时调用。
on_predict_end: 在预测结束时调用。
on_test_batch_begin: 在求值方法的批处理开始时调用。如果提供了验证数据，也在fit方法中的验证批处理开始时调用。
on_test_batch_end: 在求值方法的批处理结束时调用。如果提供了验证数据，也在fit方法中的验证批处理结束时调用。
on_test_begin: 在评估或验证开始时调用。
on_test_end: 在评估或验证结束时调用。