Класс CSVLogger

Класс CSVLogger является колбэком Keras и сохраняет метрики обучения модели в CSV-файл после каждой эпохи. Первым параметром передается имя файла для сохранения. Вторым параметром можно передать разделитель separator, по умолчанию используется запятая. Третьим параметром append указывается, нужно ли дописывать данные в существующий файл. Если передать append=False, файл будет перезаписан.

Синтаксис

tf.keras.callbacks.CSVLogger(filename, separator=',', append=False)

Пример

Давайте обучим простую модель и сохраним историю обучения в файл 'model.keras' с расширением .csv:

import tensorflow as tf
import numpy as np

tf.random.set_seed(0)

x = np.array([[1.0], [2.0], [3.0], [4.0], [5.0]])
y = np.array([[2.0], [4.0], [6.0], [8.0], [10.0]])

model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,))
])

model.compile(optimizer='sgd', loss='mse')

logger = tf.keras.callbacks.CSVLogger('training.csv')

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

print("CSV file created")

Результат выполнения кода:

"CSV file created"

Пример

Давайте сохраним историю обучения с другим разделителем и посмотрим содержимое файла:

import tensorflow as tf
import numpy as np
import csv

tf.random.set_seed(0)

x = np.array([[1.0], [2.0], [3.0], [4.0], [5.0]])
y = np.array([[2.0], [4.0], [6.0], [8.0], [10.0]])

model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,))
])

model.compile(optimizer='sgd', loss='mse')

logger = tf.keras.callbacks.CSVLogger(
	'training_semicolon.csv',
	separator=';'
)

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

with open('training_semicolon.csv', 'r') as f:
	reader = csv.reader(f, delimiter=';')
	for row in reader:
		print(row)

Результат выполнения кода:

['epoch', 'loss']
['0', '30.2143']
['1', '28.9321']

Пример

Давайте допишем результаты нового обучения в существующий CSV-файл, используя параметр append=True:

import tensorflow as tf
import numpy as np

tf.random.set_seed(0)

x = np.array([[1.0], [2.0], [3.0], [4.0], [5.0]])
y = np.array([[2.0], [4.0], [6.0], [8.0], [10.0]])

model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,))
])

model.compile(optimizer='sgd', loss='mse')

logger = tf.keras.callbacks.CSVLogger(
	'training_append.csv',
	append=True
)

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

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

print("Data appended to CSV file")

Результат выполнения кода:

"Data appended to CSV file"

Смотрите также

класс ModelCheckpoint,
который сохраняет модель во время обучения
класс EarlyStopping,
который останавливает обучение при отсутствии улучшений
класс History,
который хранит историю обучения в памяти
класс TensorBoard,
который сохраняет логи для визуализации обучения