TensorFlow 中有哪些常用的回调函数？-JavaScript中文网-JavaScript教程资源分享门户

本题详细解读

ModelCheckpoint

ModelCheckpoint 回调函数用于在训练过程中定期保存模型的权重。这对于防止训练过程中断或崩溃时丢失模型权重非常有用。你可以指定保存的频率、保存的路径以及是否只保存最佳模型。

from tensorflow.keras.callbacks import ModelCheckpoint

checkpoint = ModelCheckpoint('model.h5', save_best_only=True)
model.fit(X_train, y_train, callbacks=[checkpoint])

EarlyStopping

EarlyStopping 回调函数用于在监控的指标（如验证损失）不再改善时提前停止训练。这可以防止模型过拟合，并节省训练时间。

from tensorflow.keras.callbacks import EarlyStopping

early_stopping = EarlyStopping(monitor='val_loss', patience=5)
model.fit(X_train, y_train, callbacks=[early_stopping])

TensorBoard

TensorBoard 回调函数用于将训练过程中的日志写入 TensorBoard，便于可视化训练过程中的指标、计算图等。

from tensorflow.keras.callbacks import TensorBoard

tensorboard = TensorBoard(log_dir='./logs')
model.fit(X_train, y_train, callbacks=[tensorboard])

ReduceLROnPlateau

ReduceLROnPlateau 回调函数用于在监控的指标停止改善时降低学习率。这有助于在训练后期更精细地调整模型。

from tensorflow.keras.callbacks import ReduceLROnPlateau

reduce_lr = ReduceLROnPlateau(monitor='val_loss', factor=0.2, patience=3)
model.fit(X_train, y_train, callbacks=[reduce_lr])

CSVLogger

CSVLogger 回调函数用于将训练过程中的日志写入 CSV 文件。这对于后续分析和报告非常有用。

from tensorflow.keras.callbacks import CSVLogger

csv_logger = CSVLogger('training.log')
model.fit(X_train, y_train, callbacks=[csv_logger])

LearningRateScheduler

LearningRateScheduler 回调函数允许你根据预定义的时间表调整学习率。这对于实现学习率衰减策略非常有用。

// www.javascriptcn.com code example
from tensorflow.keras.callbacks import LearningRateScheduler

def scheduler(epoch, lr):
    if epoch < 10:
        return lr
    else:
        return lr * 0.1

lr_scheduler = LearningRateScheduler(scheduler)
model.fit(X_train, y_train, callbacks=[lr_scheduler])

LambdaCallback

LambdaCallback 回调函数允许你自定义回调函数。你可以根据需要定义在训练过程中的特定时刻执行的操作。

from tensorflow.keras.callbacks import LambdaCallback

custom_callback = LambdaCallback(
    on_epoch_end=lambda epoch, logs: print(f'Epoch {epoch}: {logs}')
)
model.fit(X_train, y_train, callbacks=[custom_callback])

TensorFlow 中有哪些常用的回调函数？

推荐答案