回调 API

回调是一个对象，它可以在训练的不同阶段执行操作（例如，在每个 epoch 的开始或结束，在单个批次之前或之后等）。

您可以使用回调来

• 在训练的每个批次之后写入 TensorBoard 日志以监控您的指标
• 定期将您的模型保存到磁盘
• 进行提前停止
• 在训练期间查看模型的内部状态和统计信息
• ...以及更多

可用的回调

• 基础回调类
• ModelCheckpoint
• BackupAndRestore
• TensorBoard
• EarlyStopping
• LearningRateScheduler
• ReduceLROnPlateau
• RemoteMonitor
• LambdaCallback
• TerminateOnNaN
• CSVLogger
• ProgbarLogger
• SwapEMAWeights

通过内置的 fit() 循环使用回调

您可以将回调列表（作为关键字参数 callbacks）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，回调的相关方法将在训练的每个阶段被调用。

使用自定义回调

创建新的回调是自定义训练循环的一种简单而强大的方法。了解有关在指南编写自己的回调中创建新回调的更多信息，并参考基础 Callback 类的文档。