![](/img/trans.png)
[英]How can I create a custom loss function in keras ? (Custom Weighted Binary Cross Entropy)
[英]How can I create a custom callback in Keras?
我有興趣在擬合我的 keras 模型時創建回調。 更詳細地說,我想在每次 epoch 結束時從帶有 val_acc 的機器人電報中收到一條消息。 我知道你可以在classifier.fit()
添加一個callback_list 作為參數,但是許多回調是由keras 預先構建的,我不知道如何添加一個自定義的。
謝謝!
這是我如何向回調添加驗證准確性的示例:
class AccuracyHistory(keras.callbacks.Callback):
def on_train_begin(self, logs={}):
self.acc = []
def on_epoch_end(self, batch, logs={}):
self.acc.append(logs.get('val_acc'))
history = AccuracyHistory()
model.fit(x, y,
...
callbacks=[history])
例如,我提供了帶有 F1 指標的自定義回調。 它在每個 epoch 結束時計算 F1,不是分批計算,而是針對所有通過的訓練數據(以及可選的驗證)。 可以使用其他所有指標輕松自定義
class F1History(tf.keras.callbacks.Callback):
def __init__(self, train, validation=None):
super(F1History, self).__init__()
self.validation = validation
self.train = train
def on_epoch_end(self, epoch, logs={}):
logs['F1_score_train'] = float('-inf')
X_train, y_train = self.train[0], self.train[1]
y_pred = (self.model.predict(X_train).ravel()>0.5)+0
score = f1_score(y_train, y_pred)
if (self.validation):
logs['F1_score_val'] = float('-inf')
X_valid, y_valid = self.validation[0], self.validation[1]
y_val_pred = (self.model.predict(X_valid).ravel()>0.5)+0
val_score = f1_score(y_valid, y_val_pred)
logs['F1_score_train'] = np.round(score, 5)
logs['F1_score_val'] = np.round(val_score, 5)
else:
logs['F1_score_train'] = np.round(score, 5)
適合:
es = EarlyStopping(patience=3, verbose=1, min_delta=0.001, monitor='F1_score_val', mode='max', restore_best_weights=True)
model.fit(x_train,y_train, epochs=10,
callbacks=[F1History(train=(x_train,y_train),validation=(x_val,y_val)),es])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.