Python 在每个历元之后进行自定义回调以记录某些信息

我知道如何：

如何使用自定义回调函数记录某些信息：

def write_metrics(): 
    with open('log.txt', 'a') as f:  # append to the log file
        f.write('{epoch:02d}: loss = {loss:.1f}')

model.fit(X, Y, batch_size=4, epochs=32, verbose=1, callbacks=[savemodel, write_metrics])

?

---

对于这段代码，它将不起作用，因为

{loss}

和

{epoch}

没有在

f.write（{epoch:02d}:loss={loss:.1f}'）

中定义，实际上，您不需要为此定义函数（甚至使用显式回调），因为这样的信息是由

fit

方法自动返回的；从：

历史

keras.callbacks.History（）

将事件记录到

历史记录

对象中的回调

此回调将自动应用于每个Keras模型。这个

History

对象由模型的

fit

方法返回

您甚至不需要显式导入任何内容；您需要的只是：

hist = model.fit(X, Y, batch_size=4, epochs=32, verbose=1, callbacks=[savemodel]) # no other specific callback

和

hist.history

将包含在每个历元结束时，您可能为培训和验证（如果存在）集定义的损失和任何其他感兴趣的度量（例如准确性），您可以随后将其保存到文件中

---

有关详细示例，请参见。

下面是解决方案，方法是将

回调子类化：

from keras.callbacks import Callback

class MyLogger(Callback):
    def on_epoch_end(self, epoch, logs=None):
        with open('log.txt', 'a+') as f:
            f.write('%02d %.3f\n' % (epoch, logs['loss']))

然后

甚至

model.fit(X, Y, batch_size=32, epochs=32, verbose=1, callbacks=[MyLogger()])

谢谢你的回答。但事实上，我想在每个历元之后明确地记录这些信息。因此需要回调。为什么？因为有时培训直到最后一个历元才结束（例如，因为GPU云计算很昂贵，我想在最后一个历元结束之前停止，或者因为服务器崩溃或连接中断）。因此，可能无法达到返回值
hist
。@Basj我认为它会-尝试一下：做一个实验，人为地中断执行，看看
hist
；）中包含什么内容@Basj在中看到一般回调条目-相关信息实际上是在每个历元结束时直接从日志传递的，因此即使过早中断，信息仍然会在那里（我将在回答中演示它，但我现在没有访问权限）…在某些地方看到的可能重复的
logs={}
，字典和
logs=None
在您提供的示例中，您能否解释
logs
参数，以及在您的示例中它如何使用
logs['loss']
获取损失？
mylogger = MyLogger()
model.fit(X, Y, batch_size=32, epochs=32, verbose=1, callbacks=[mylogger])

model.fit(X, Y, batch_size=32, epochs=32, verbose=1, callbacks=[MyLogger()])