이 페이지는 Cloud Translation API를 통해 번역되었습니다.
Switch to English

tf.keras.callbacks.Callback

TensorFlow 1 개 버전 GitHub의에서 소스보기

추상 기본 클래스는 새로운 콜백을 구축하는 데 사용됩니다.

logs 인수는 현재 일괄 또는 시대 (방법 별의 문서화 문자열 참조) 관련 수량에 대한 키를 포함로하는 콜백 메소드가 취할 사전.

params DICT. 훈련 매개 변수 (예. 상세, 배치 크기, 시대의 수 ...).
model 의 인스턴스 keras.models.Model . 모델의 참조 훈련을 받고.

행동 양식

on_batch_begin

소스보기

에 대한 이전 버전과의 호환성 별칭 on_train_batch_begin .

on_batch_end

소스보기

에 대한 이전 버전과의 호환성 별칭 on_train_batch_end .

on_epoch_begin

소스보기

에포크의 시작 부분에서 호출합니다.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다. 이 기능은 기차 모드에서 호출해야합니다.

인수
epoch 정수, 시대의 인덱스입니다.
logs DICT. 현재 데이터는이 방법이 인수로 전달되지 않고, 그 미래에 변경 될 수 있습니다.

on_epoch_end

소스보기

에포크의 끝에서 호출합니다.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다. 이 기능은 기차 모드에서 호출해야합니다.

인수
epoch 정수, 시대의 인덱스입니다.
logs DICT,이 교육 시대에, 그리고 검증 시대에 대한 측정 결과는 검증이 수행되는 경우. 검증 결과 키는 접두어 val_ .

on_predict_batch_begin

소스보기

에서 배치의 시작 부분에 호출 predict 방법.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
batch 정수, 현재의 시대에서 배치의 인덱스입니다.
logs DICT는의 반환 값이 포함되어 model.predict_step 그것은 일반적으로 모델의 출력을 포함하는 키 '출력'와 딕셔너리를 반환합니다.

on_predict_batch_end

소스보기

에서 배치의 마지막에 호출 predict 방법.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
batch 정수, 현재의 시대에서 배치의 인덱스입니다.
logs DICT. 이 배치까지 집계 된 통계 결과.

on_predict_begin

소스보기

예측의 시작 부분에 호출합니다.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
logs DICT. 현재 데이터는이 방법이 인수로 전달되지 않고, 그 미래에 변경 될 수 있습니다.

on_predict_end

소스보기

예측의 끝에서 호출된다.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
logs DICT. 현재 데이터는이 방법이 인수로 전달되지 않고, 그 미래에 변경 될 수 있습니다.

on_test_batch_begin

소스보기

에서 배치의 시작 부분에 호출 evaluate 방법을.

또한에서 검증 배치의 시작 부분에서 호출 fit 검증 데이터가 제공되는 경우, 방법.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
batch 정수, 현재의 시대에서 배치의 인덱스입니다.
logs DICT는의 반환 값이 포함되어 model.test_step . 일반적으로, 값 Model 의 통계가 반환됩니다. 예 : {'loss': 0.2, 'accuracy': 0.7} .

on_test_batch_end

소스보기

에서 배치의 마지막에 호출 evaluate 방법을.

또한 유효성의 배치의 끝이라고 fit 검증 데이터가 제공되면, 방법.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
batch 정수, 현재의 시대에서 배치의 인덱스입니다.
logs DICT. 이 배치까지 집계 된 통계 결과.

on_test_begin

소스보기

평가 또는 검증의 시작 부분에 호출합니다.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
logs DICT. 현재 데이터는이 방법이 인수로 전달되지 않고, 그 미래에 변경 될 수 있습니다.

on_test_end

소스보기

평가 또는 검증의 끝에서 호출합니다.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
logs DICT. 현재 마지막 호출의 출력 on_test_batch_end() 이 방법이 인수에 전달하지만 미래에 변경 될 수 있습니다.

on_train_batch_begin

소스보기

의 교육 배치의 시작 부분에 호출 fit 방법.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
batch 정수, 현재의 시대에서 배치의 인덱스입니다.
logs DICT는의 반환 값이 포함되어 model.train_step . 일반적으로, 값 Model 의 통계가 반환됩니다. 예 : {'loss': 0.2, 'accuracy': 0.7} .

on_train_batch_end

소스보기

의 교육 배치의 끝에서 호출 fit 방법.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
batch 정수, 현재의 시대에서 배치의 인덱스입니다.
logs DICT. 이 배치까지 집계 된 통계 결과.

on_train_begin

소스보기

훈련의 시작 부분에 호출합니다.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
logs DICT. 현재 데이터는이 방법이 인수로 전달되지 않고, 그 미래에 변경 될 수 있습니다.

on_train_end

소스보기

훈련의 끝에서 호출합니다.

서브 클래스는 실행 조치에 대한 오버라이드 (override) 할 필요가 있습니다.

인수
logs DICT. 현재 마지막 호출의 출력 on_epoch_end() 이 방법이 인수에 전달하지만 미래에 변경 될 수 있습니다.

set_model

소스보기

set_params

소스보기