回调 API

Callback 是一个可以在训练的各个阶段（例如，在 epoch 开始或结束时，在单个 batch 之前或之后等）执行操作的对象。

您可以使用 callbacks 来

• 在每个训练 batch 后写入 TensorBoard 日志以监控您的指标
• 定期将您的模型保存到磁盘
• 进行早停
• 在训练期间查看模型的内部状态和统计信息
• ...等等

可用的 callbacks

• 基础 Callback 类
• ModelCheckpoint
• BackupAndRestore
• TensorBoard
• EarlyStopping
• LearningRateScheduler
• ReduceLROnPlateau
• RemoteMonitor
• LambdaCallback
• TerminateOnNaN
• CSVLogger
• ProgbarLogger
• SwapEMAWeights

通过内置的 fit() 循环使用 callbacks

您可以将 callbacks 列表（作为 callbacks 关键字参数）传递给模型的 .fit() 方法

my_callbacks = [
    keras.callbacks.EarlyStopping(patience=2),
    keras.callbacks.ModelCheckpoint(filepath='model.{epoch:02d}-{val_loss:.2f}.h5'),
    keras.callbacks.TensorBoard(log_dir='./logs'),
]
model.fit(dataset, epochs=10, callbacks=my_callbacks)

然后，相关的 callbacks 方法将在训练的每个阶段被调用。

使用自定义 callbacks

创建新的 callbacks 是自定义训练循环的简单而强大的方法。在指南 “编写您自己的 Callbacks” 中了解更多关于创建新 callbacks 的信息，并参考 基础 Callback 类的文档。