Python 如何在keras中进行自定义回调以在VAE训练中生成样本图像？

我正在64*64图像上训练一个简单的VAE模型，我希望看到每个历元或每两个批次后生成的图像，以查看进度

当我训练模型时，我等待训练完成，然后查看结果

我试着在Keras中创建一个自定义回调函数，生成一个图像并保存它，但是做不到。有可能吗？我找不到类似的东西

如果你让我参考一个解释如何做的资料或者给我一个例子，那就太棒了

---

注意：我对一个干净的Keras.callback解决方案感兴趣而不是迭代每个历元，训练并生成样本

是的，这实际上是可能的，但我总是使用matplotlib和一个自定义函数。举个例子

for steps in range (epochs):

    Train,Test = YourDataGenerator() # load your images for one loop
    model.fit(Train,Test,batch_size= ...)


    result = model.predict(Test_image)
    plt.imshow(result[0,:,:,:]) # keras always returns [batch.nr,heigth,width,channels]

    filename1 = '/content/runde2/%s_generated_plot_%06d.png' % (test, (steps+1))
    plt.savefig(filename1 )
    plt.close()

---

我认为还有一个干净的keras.callback版本，但我一直使用这种方法，因为您可以使用其他库来简化每个循环的数据扩充。但这只是我的意见，希望我能至少帮你一点。

如果你仍然需要它，你可以在keras中定义自定义回调作为

keras.callbacks.callback的子类：

class CustomCallback(keras.callbacks.Callback):
    def __init__(self, save_path, VAE):
        self.save_path = save_path
        self.VAE = VAE
    def on_epoch_end(self, epoch, logs={}):
        #load the image
        #get latent_space with self.VAE.encoder.predict(image)
        #get reconstructed image wtih self.VAE.decoder.predict(latent_space)
        #plot reconstructed image with matplotlib.pyplot

然后将回调定义为
image\u callback=CustomCallback（…）
并将image_callback放在回调列表中
非常感谢，这是我现在使用的临时解决方案，但我仍然对clean callback方法感兴趣。