Question

我知道如何save the model after every epoch：

savemodel = ModelCheckpoint(filepath='models/model_{epoch:02d}-{loss:.2f}.h5')
model.fit(X, Y, batch_size=4, epochs=32, verbose=1, callbacks=[savemodel])

如何具有自定义的回调函数来记录某些信息：

def write_metrics(): 
    with open('log.txt', 'a') as f:  # append to the log file
        f.write('{epoch:02d}: loss = {loss:.1f}')

model.fit(X, Y, batch_size=4, epochs=32, verbose=1, callbacks=[savemodel, write_metrics])

？

使用此代码将无法正常工作，因为{loss}中未定义{epoch}和f.write('{epoch:02d}: loss = {loss:.1f}')。

Answer 1

这是解决方案，将Callback子类化：

from keras.callbacks import Callback

class MyLogger(Callback):
    def on_epoch_end(self, epoch, logs=None):
        with open('log.txt', 'a+') as f:
            f.write('%02d %.3f\n' % (epoch, logs['loss']))

然后

mylogger = MyLogger()
model.fit(X, Y, batch_size=32, epochs=32, verbose=1, callbacks=[mylogger])

甚至

model.fit(X, Y, batch_size=32, epochs=32, verbose=1, callbacks=[MyLogger()])

Answer 2

实际上，您不需要为此定义一个函数（甚至使用显式回调），因为此类信息是由fit方法自动返回的；来自docs：

历史

keras.callbacks.History()

将事件记录到History对象中的回调。

此回调将自动应用于每个Keras模型。的   History个模型方法会返回fit个对象。

您甚至不需要显式导入任何内容；您需要的只是：

hist = model.fit(X, Y, batch_size=4, epochs=32, verbose=1, callbacks=[savemodel]) # no other specific callback

和hist.history将在每个时期结束时包含损失和您可能已定义的，用于训练和验证（如果存在）的其他任何感兴趣的指标（例如，准确性）。保存到文件中。

有关详细示例，请参见here。

在每个时期之后进行自定义回调以记录某些信息

2 个答案: