Класс LambdaCallback

Класс LambdaCallback позволяет создавать простые, не сохраняемые колбэки для использования во время обучения модели. Конструктор принимает набор необязательных именованных параметров, каждый из которых является функцией, вызываемой в определенный момент обучения. Это может быть начало или конец эпохи, начало или конец пакета данных, а также начало или конец обучения.

Основные параметры: on_epoch_begin, on_epoch_end, on_batch_begin, on_batch_end, on_train_begin, on_train_end. Все они принимают функции обратного вызова, которые получают аргументы epoch, logs или batch в зависимости от типа колбэка.

Синтаксис

tf.keras.callbacks.LambdaCallback(
	on_epoch_begin=None,
	on_epoch_end=None,
	on_batch_begin=None,
	on_batch_end=None,
	on_train_begin=None,
	on_train_end=None,
)

Пример

Давайте создадим простой колбэк, который выводит сообщение в начале и в конце каждой эпохи обучения:

import tensorflow as tf

tf.random.set_seed(0)

# Define callback functions
def on_epoch_begin(epoch, logs):
	print(f"Start of epoch {epoch}")

def on_epoch_end(epoch, logs):
	print(f"End of epoch {epoch}, loss: {logs['loss']:.4f}")

# Create LambdaCallback
callback = tf.keras.callbacks.LambdaCallback(
	on_epoch_begin=on_epoch_begin,
	on_epoch_end=on_epoch_end
)

# Create and train a simple model
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=[callback])

Результат выполнения кода:

"Start of epoch 0"
"End of epoch 0, loss: 30.0000"
"Start of epoch 1"
"End of epoch 1, loss: 15.0000"

Пример

Давайте создадим колбэк, который отслеживает завершение каждого пакета данных и выводит его номер:

import tensorflow as tf

tf.random.set_seed(0)

# Define callback function
def on_batch_end(batch, logs):
	print(f"Batch {batch} finished, loss: {logs['loss']:.4f}")

# Create LambdaCallback
callback = tf.keras.callbacks.LambdaCallback(
	on_batch_end=on_batch_end
)

# Create and train a simple model
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=1, batch_size=2, verbose=0, callbacks=[callback])

Результат выполнения кода:

"Batch 0 finished, loss: 30.0000"
"Batch 1 finished, loss: 15.0000"

Смотрите также

класс ModelCheckpoint,
который сохраняет модель во время обучения
класс EarlyStopping,
который останавливает обучение при отсутствии улучшений
класс ReduceLROnPlateau,
который уменьшает скорость обучения при застое
класс CSVLogger,
который записывает историю обучения в CSV-файл