이 페이지는 Cloud Translation API를 통해 번역되었습니다.
Switch to English

tf.keras.callbacks.LambdaCallback

TensorFlow 1 개 버전 GitHub의에서 소스보기

에 - 더 - 플라이, 사용자 정의 콜백을 간단하게 만들기위한 콜백.

: 상속 Callback

전자 필기장에서 사용

튜토리얼에서 사용

이 콜백은 적절한 시간에 호출되는 익명 함수로 구성되어있다. 콜백과 같이, 위치 인수를 기대합니다 :

  • on_epoch_beginon_epoch_end 이 개 위치 인수 예상 : epoch , logs
  • on_batch_beginon_batch_end 이 개 위치 인수 예상 : batch , logs
  • on_train_beginon_train_end 한 위치 인수 예상 : logs

on_epoch_begin 모든 시대의 시작 부분에했다.
on_epoch_end 모든 시대의 끝에서 호출.
on_batch_begin 모든 배치의 시작 부분에했다.
on_batch_end 모든 배치의 끝에서 호출.
on_train_begin 모델 훈련의 시작 부분에했다.
on_train_end 모델 훈련의 끝에서 호출.

예:

 # Print the batch number at the beginning of every batch.
batch_print_callback = LambdaCallback(
    on_batch_begin=lambda batch,logs: print(batch))

# Stream the epoch loss to a file in JSON format. The file content
# is not well-formed JSON but rather has a JSON object per line.
import json
json_log = open('loss_log.json', mode='wt', buffering=1)
json_logging_callback = LambdaCallback(
    on_epoch_end=lambda epoch, logs: json_log.write(
        json.dumps({'epoch': epoch, 'loss': logs['loss']}) + '\n'),
    on_train_end=lambda logs: json_log.close()
)

# Terminate some processes after having finished model training.
processes = ...
cleanup_callback = LambdaCallback(
    on_train_end=lambda logs: [
        p.terminate() for p in processes if p.is_alive()])

model.fit(...,
          callbacks=[batch_print_callback,
                     json_logging_callback,
                     cleanup_callback])
 

행동 양식

set_model

소스보기

set_params

소스보기