回呼 API

回呼是一個物件，可以在訓練的各個階段執行動作（例如，在一個 epoch 的開始或結束時、在單一批次之前或之後等）。

您可以使用回呼來

• 在每次訓練批次後寫入 TensorBoard 日誌，以監控您的指標
• 定期將您的模型儲存到磁碟
• 進行提前停止
• 在訓練期間查看模型的內部狀態和統計資料
• ...以及更多

可用的回呼

• 基本回呼類別
• ModelCheckpoint
• BackupAndRestore
• TensorBoard
• EarlyStopping
• LearningRateScheduler
• ReduceLROnPlateau
• RemoteMonitor
• LambdaCallback
• TerminateOnNaN
• CSVLogger
• ProgbarLogger
• SwapEMAWeights

透過內建的 fit() 迴圈使用回呼

您可以將回呼列表（作為關鍵字引數 callbacks）傳遞給模型的 .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)

然後將在訓練的每個階段呼叫回呼的相關方法。

使用自訂回呼

建立新的回呼是一種簡單而強大的方式來自訂訓練迴圈。在指南 撰寫您自己的回呼 中了解更多關於建立新回呼的資訊，並參閱 基本 Callback 類別 的文件。