Callbacks

[TOC] 回调函数使用 回调函数是一个函数的合集，会在训练的阶段中所使用。你可以使用回调函数来查看训练模型的内在状态和统计。你可以传递一个列表的回调函数（作为 callbacks 关键字参数）到 Sequential或 Model 类型的 .fit() 方法。在训练时，相应的回调函数的方法就会在各自的阶段被调用。 Callback keras.callbacks.Callback() 用来组建新的回调函数的抽象基类。 BaseLogger keras.callbacks.BaseLogger() 会积累训练轮平均评估的回调函数。 这个回调函数被自动应用到每一个 Keras 模型上面。 TerminateOnNaN keras.callbacks.TerminateOnNaN() 当遇到 NaN 损失会停止训练的回调函数。 ProgbarLogger keras.callbacks.ProgbarLogger(count_mode='samples') 会把评估以标准输出打印的回调函数。 参数 count_mode: “steps” 或者 “samples”。 进度条是否应该计数看见的样本或步骤（批量）。 触发 ValueError: 防止不正确的 count_mode History keras.callbacks.History() 把所有事件都记录到 History 对象的回调函数。 这个回调函数被自动启用到每一个 Keras 模型。History 对象会被模型的 fit 方法返回。 ModelCheckpoint keras.callbacks.ModelCheckpoint(filepath, monitor='val_loss', verbose=0, save_best_only=False, save_weights_only=False, mode='auto', period=1) 在每个训练期之后保存模型。 filepath 可以包括命名格式选项，可以由 epoch 的值和 logs 的键（由 on_epoch_end 参数传递）来填充。 例如：如果 filepath 是 weights.{epoch:02d}-{val_loss:.2f}.hdf5， 那么模型被保存的的文件名就会有训练轮数和验证损失。 EarlyStopping keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=0, verbose=0, mode='auto') 当被监测的数量不再提升，则停止训练。 ...