Python 自定义epoch循环中的Keras回调

我使用keras训练LSTM。输入序列的长度不同。假设序列的长度介于1和

num_seq

之间。因此，我在每个历元中按长度对序列进行分组，以便使用批量大小>1：

for epoch in xrange(nb_epochs):
 for i in range(1,num_seq):
  X,y = get_sequences(length=i)
  model.fit(X,y,batch_size=100,epochs=1, validation_split=0.1, callbacks=None)

---

因为我在历元上使用自定义循环，所以使用历元信息的回调无法正常工作（例如，tensorboard、history等）。解决这个问题的办法是什么？有没有一种方法可以告诉fit函数它目前使用的是哪个历元？

在训练期间对训练数据进行操作时，您应该使用

模型。在批上以增量方式进行训练，或者更好的是，使用它可以定义一个python生成器，为每个批生成
（x，y）
元组。然后，这也会处理回调的正确调用

例如：

def train_gen():
   while True:
       for i in range(1,num_seq):
           X,y = get_sequences(length=i)
           yield X, y
model.fit_generator(train_gen, steps_per_epoch=num_seq)

这样做的缺点是，您必须自己进行批处理，还必须自己提供验证拆分，您也可以使用生成器进行此操作（因此您可以重用大部分代码）。
您是否尝试过
fit
方法的
initial\u epoch
参数？也许这正是你需要的。我认为如果你想恢复训练，初始历元是有效的。如果你想训练100个历元，在50后停下来，然后继续，那么你应该将初始历元设置为50（或51）。然而，我认为只有在
epochs
initial\u epoch
的情况下，这种方法才有效。我想，设置initial\u epoch并不考虑改变学习率。使用
model.train\u batch（）而不是
model.fit
（）有什么好处？fit generator方法看起来很有前途。谢谢你的提示！