tf.keras.callbacks.LambdaCallback

Обработчик для создания простых пользовательских обратных вызовов на лету.

Наследуется от: Callback

Просмотр псевдонимов

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.keras.callbacks.LambdaCallback, `tf.compat.v2.keras.callbacks.LambdaCallback`

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, **kwargs
)

Этот обратный вызов создается с анонимными функциями, которые будут вызываться в соответствующее время. Обратите внимание, что обратные вызовы ожидают позиционные аргументы, как:

on_epoch_begin и on_epoch_end ожидают два позиционных аргумента: epoch, logs
on_batch_begin и on_batch_end ожидают два позиционных аргумента: batch, logs
on_train_begin и on_train_end ожидают один позиционный аргумент: logs

Аргументы
`on_epoch_begin`	вызывается в начале каждой эпохи.
`on_epoch_end`	вызывается в конце каждой эпохи.
`on_batch_begin`	вызывается в начале каждой партии.
`on_batch_end`	вызывается в конце каждой партии.
`on_train_begin`	вызывается в начале обучения модели.
`on_train_end`	вызывается в конце обучения модели.

Пример:

# 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])

Аргументы
`epoch`	целое число, номер эпохи.
`logs`	словарь. В настоящее время данные не передаются в этот аргумент для этого метода, но это может измениться в будущем.

Аргументы
`batch`	целое число, индекс партии в текущей эпохе.
`logs`	словарь. Имеет ключи `batch` и `size`, представляющие текущий номер партии и размер партии.

Аргументы
`batch`	целое число, индекс пакета в текущей эпохе.
`logs`	dict. Результаты метрики для этого пакета.

Аргументы
`epoch`	целое число, номер эпохи.
`logs`	словарь, результаты метрик для этой эпохи обучения и для эпохи валидации, если выполняется валидация. Ключи результатов валидации имеют префикс `val_`.

tf.keras.callbacks.LambdaCallback

Просмотр псевдонимов

Пример:

Методы

on_batch_begin

on_batch_end

on_epoch_begin

on_epoch_end

on_predict_batch_begin

on_predict_batch_end

on_predict_begin

on_predict_end

on_test_batch_begin

on_test_batch_end

on_test_begin

on_test_end

on_train_batch_begin

on_train_batch_end

on_train_begin

on_train_end

set_model

set_params

`on_batch_begin`

`on_batch_end`

`on_epoch_begin`

`on_epoch_end`

`on_predict_batch_begin`

`on_predict_batch_end`

`on_predict_begin`

`on_predict_end`

`on_test_batch_begin`

`on_test_batch_end`

`on_test_begin`

`on_test_end`

`on_train_batch_begin`

`on_train_batch_end`

`on_train_begin`

`on_train_end`

`set_model`

`set_params`