Метод on_epoch_begin класса Callback

Метод on_epoch_begin принадлежит классу Callback и вызывается в начале каждой эпохи. Он применяется для выполнения действий, которые должны произойти до начала обработки данных в эпохе: например, для сброса состояния, логирования или изменения параметров. Первым параметром метод принимает номер текущей эпохи epoch, вторым - словарь logs с дополнительной информацией. Метод не возвращает значимого значения, а его результат влияет только на побочные эффекты внутри обучения.

Синтаксис

class MyCallback(tf.keras.callbacks.Callback):
	def on_epoch_begin(self, epoch, logs=None):
		pass

Пример

Давайте создадим простой колбэк, который выводит номер эпохи в начале каждой эпохи:

import tensorflow as tf

class EpochBeginLogger(tf.keras.callbacks.Callback):
	def on_epoch_begin(self, epoch, logs=None):
		print("Epoch begin:", epoch)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,))
])
model.compile(optimizer="sgd", loss="mse")

callback = EpochBeginLogger()
model.fit([1, 2, 3, 4, 5], [1, 2, 3, 4, 5], epochs=3, callbacks=[callback], verbose=0)

Результат выполнения кода:

"Epoch begin: 0"
"Epoch begin: 1"
"Epoch begin: 2"

Пример

Давайте используем метод on_epoch_begin для сохранения значения потерь на начало эпохи:

import tensorflow as tf

class LossTracker(tf.keras.callbacks.Callback):
	def on_epoch_begin(self, epoch, logs=None):
		self.start_loss = logs.get("loss") if logs else None
		print("Start loss:", self.start_loss)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,))
])
model.compile(optimizer="sgd", loss="mse")

callback = LossTracker()
model.fit([1, 2, 3, 4, 5], [1, 2, 3, 4, 5], epochs=3, callbacks=[callback], verbose=0)

Результат выполнения кода:

"Start loss: None"
"Start loss: None"
"Start loss: None"

Смотрите также

класс Callback,
который является базовым классом для всех колбэков
метод on_epoch_end,
который вызывается в конце каждой эпохи
метод on_batch_begin,
который вызывается перед обработкой каждого батча
метод on_train_begin,
который вызывается перед началом обучения