TensorFlow回调函数：tf.keras.callbacks.LambdaCallback

tf.keras.callbacks.LambdaCallback函数

类LambdaCallback

继承自： Callback

定义在：tensorflow/python/keras/callbacks.py。

用于动态创建简单的自定义回调的回调。

此回调是使用将在适当时间调用的匿名函数构造的。请注意，回调需要位置参数，如下所示：

• on_epoch_begin和on_epoch_end要求两个位置参数： epoch，logs
• on_batch_begin和on_batch_end要求两个位置参数： batch，logs
• on_train_begin并on_train_end要求一个位置参数： logs

参数：

• on_epoch_begin：在每个epoch开始时调用。
• on_epoch_end：在每个epoch结束时调用。
• on_batch_begin：在每个批处理开始时调用。
• on_batch_end：在每个批处理结束时调用。
• on_train_begin：在模型训练开始时调用。
• on_train_end：在模型训练结束时调用。

示例：

# 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])

__init__(
    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
)

初始化自我。

方法

on_batch_begin(
    batch,
    logs=None
)

on_batch_end(
    batch,
    logs=None
)

on_epoch_begin(
    epoch,
    logs=None
)

on_epoch_end(
    epoch,
    logs=None
)

on_train_batch_begin(
    batch,
    logs=None
)

on_train_batch_end(
    batch,
    logs=None
)

on_train_begin(logs=None)

on_train_end(logs=None)

set_model(model)

set_params(params)