Метод on_epoch_end класса Callback

Метод on_epoch_end класса Callback вызывается автоматически в конце каждой эпохи обучения, валидации или предсказания. Первым параметром метод принимает номер текущей эпохи epoch, отсчёт начинается с нуля. Вторым параметром передаётся словарь logs, содержащий значения метрик и потерь на данной эпохе. Метод не возвращает значений, но может использоваться для логирования, сохранения весов, изменения скорости обучения или ранней остановки.

Синтаксис

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

Пример

Давайте создадим собственный колбэк, который выводит номер эпохи и значение потерь в конце каждой эпохи:

import tensorflow as tf

tf.random.set_seed(0)

class EpochEndLogger(tf.keras.callbacks.Callback):
	def on_epoch_end(self, epoch, logs=None):
		logs = logs or {}
		print("Epoch", epoch, "- loss:", logs.get("loss"))

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

x = tf.constant([[1.0], [2.0], [3.0], [4.0]])
y = tf.constant([[2.0], [4.0], [6.0], [8.0]])

model.fit(x, y, epochs=2, verbose=0, callbacks=[EpochEndLogger()])

Результат выполнения кода:

Epoch 0 - loss: 20.57639503479004
Epoch 1 - loss: 8.986899375915527

Пример

Давайте создадим колбэк, который сохраняет модель в конце каждой эпохи:

import tensorflow as tf

tf.random.set_seed(0)

class SaveOnEpochEnd(tf.keras.callbacks.Callback):
	def on_epoch_end(self, epoch, logs=None):
		path = "model_epoch_" + str(epoch) + ".keras"
		self.model.save(path)
		print("Saved:", path)

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

x = tf.constant([[1.0], [2.0], [3.0]])
y = tf.constant([[2.0], [4.0], [6.0]])

model.fit(x, y, epochs=2, verbose=0, callbacks=[SaveOnEpochEnd()])

Результат выполнения кода:

Saved: model_epoch_0.keras
Saved: model_epoch_1.keras

Пример

Давайте создадим колбэк, который останавливает обучение, если потери стали меньше заданного порога:

import tensorflow as tf

tf.random.set_seed(0)

class StopOnLowLoss(tf.keras.callbacks.Callback):
	def on_epoch_end(self, epoch, logs=None):
		logs = logs or {}
		if logs.get("loss", float("inf")) < 5.0:
			print("Stopping at epoch", epoch)
			self.model.stop_training = True

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

x = tf.constant([[1.0], [2.0], [3.0]])
y = tf.constant([[2.0], [4.0], [6.0]])

model.fit(x, y, epochs=20, verbose=0, callbacks=[StopOnLowLoss()])

Результат выполнения кода:

"Stopping at epoch 2"

Смотрите также

класс Callback,
который является базовым классом для создания колбэков
метод on_epoch_begin,
который вызывается в начале каждой эпохи
метод on_train_end,
который вызывается по завершении обучения
метод set_model,
который сохраняет ссылку на модель внутри колбэка