Метод on_train_begin класса Callback

Метод on_train_begin класса Callback вызывается один раз в самом начале обучения модели, до обработки первой эпохи. Метод принимает один параметр logs - словарь, содержащий информацию о текущем состоянии обучения. Этот метод удобно использовать для инициализации переменных, сброса счетчиков, логирования времени старта или подготовки внешних ресурсов перед тренировкой.

Синтаксис

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

Пример

Давайте создадим простой колбэк, который выводит сообщение в начале обучения:

import tensorflow as tf

tf.random.set_seed(0)

class StartCallback(tf.keras.callbacks.Callback):
	def on_train_begin(self, logs=None):
		print("Training started")

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], [5.0]])
y = tf.constant([[2.0], [4.0], [6.0], [8.0], [10.0]])

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

Результат выполнения кода:

Training started

Пример

Давайте используем параметр logs для вывода доступной информации в начале обучения:

import tensorflow as tf

tf.random.set_seed(0)

class LogsCallback(tf.keras.callbacks.Callback):
	def on_train_begin(self, logs=None):
		print("logs:", logs)
		print("params:", self.params)

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], [5.0]])
y = tf.constant([[2.0], [4.0], [6.0], [8.0], [10.0]])

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

Результат выполнения кода:

logs: {}
params: {'verbose': 0, 'epochs': 2, 'steps': 5}

Пример

Давайте применим on_train_begin для сброса счетчика эпох перед обучением:

import tensorflow as tf

tf.random.set_seed(0)

class CounterCallback(tf.keras.callbacks.Callback):
	def __init__(self):
		super().__init__()
		self.epoch_count = 0
	
	def on_train_begin(self, logs=None):
		self.epoch_count = 0
		print("Counter reset to", self.epoch_count)
	
	def on_epoch_end(self, epoch, logs=None):
		self.epoch_count += 1
		print("Epoch count:", self.epoch_count)

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], [5.0]])
y = tf.constant([[2.0], [4.0], [6.0], [8.0], [10.0]])

model.fit(x, y, epochs=3, callbacks=[CounterCallback()], verbose=0)

Результат выполнения кода:

Counter reset to 0
Epoch count: 1
Epoch count: 2
Epoch count: 3

Смотрите также

класс Callback,
который является базовым классом для создания колбэков
метод on_train_end,
который вызывается в конце обучения модели
метод on_epoch_begin,
который вызывается в начале каждой эпохи
метод set_params,
который устанавливает параметры обучения для колбэка