keras自定义回调函数查看训练的loss和accuracy方式
117 浏览量
2020-12-17
13:23:53
上传
评论
收藏 82KB PDF 举报
keras自定义回调函数查看训练的自定义回调函数查看训练的loss和和accuracy方式方式
前言：前言：
keras是一个十分便捷的开发框架，为了更好的追踪网络训练过程中的损失函数loss和准确率accuracy，我们有几种处理方
式，第一种是直接通过 history=model.fit()，来返回一个history对象，通过这个对象可以访问到训练过程训练集的loss和
accuracy以及验证集的loss和accuracy。
第二种方式就是通过自定义一个回调函数Call backs，来实现这一功能，本文主要讲解第二种方式。
一、如何构建回调函数一、如何构建回调函数Callbacks
本文所针对的例子是卷积神经网络Lenet-5，数据集是mnist数据集。
1.1 什么是回调函数什么是回调函数
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
方法就会被在各自的阶段被调用。
这里有两个关键的点：
（1）状态和统计：其实就是我们希望模型在训练过程中需要从过程中获取什么信息，比如我的损失loss，准确率accuracy等
信息就是训练过程中的状态与统计信息；再比如我希望每一个epoch结束之后打印一些相应的自定义提示信息，这也是状态信
息。
（2）各自的阶段：模型的训练一般是分为多少个epoch，然后每一个epoch又分为多少个batch，所以这个阶段可以是在每一
个epoch之后执行回调函数，也可以是在每一个batch之后执行回调函数。
1.2 回调函数的本质回调函数的本质
其实回调函数只是一个很形象的说法，它的本质是一个类，我们直接通过 history=model.fit()返回的history对象就是一个回调
函数History类的对象，而History类又继承自Callback类。
回调函数的基类——Call back，他的定义如下：
class Callback(object): # 用来组建新的回调函数的抽象基类
def __init__(self):
self.validation_data = None
self.model = None
def set_params(self, params):
self.params = params
def set_model(self, model):
self.model = model
def on_epoch_begin(self, epoch, logs=None):
pass
def on_epoch_end(self, epoch, logs=None):
pass
def on_batch_begin(self, batch, logs=None):
pass
def on_batch_end(self, batch, logs=None):
pass
def on_train_begin(self, logs=None):
pass
def on_train_end(self, logs=None):
pass
属性
params: 它是一个字典类型。训练参数， (例如，verbosity, batch size, number of epochs…)。
model: keras.models.Model 的实例。 指代被训练模型。
评论0
最新资源