tf.keras.callbacks.LambdaCallback

Обработчик для создания простых пользовательских обратных вызовов на лету.

Наследуется от: Callback

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 обработчик создается с анонимными функциями, которые будут вызываться в соответствующее время. Обратите внимание, что обработчики 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

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])

Методы

set_model

Просмотреть исходный код

set_model(
    model
)

set_params

Просмотреть исходный код

set_params(
    params
)