Keras 提供 Callback 介面來追蹤訓練過程中的每一步結果，包括每一個 batch 和每一個 epoch。雖然名為“回撥函式”，但實際上想要擴充套件這功能需要繼承 keras.callbacks.Callback 類，該類提供兩個與模型訓練過程相關的屬性：
params：compile 模型時設定的引數；model：模型物件。
通過這一介面可以實時視覺化 fit 過程中每一個 batch 和每一個 epoch 迭代過程中的誤差大小變化。以《Neural Networks and Deep Learning - Chap3 Improving the way neural networks learn》為例，假設我們要訓練一個最簡單的神經網路：
這個只有一個神經元的神經網路只有一個權重 w 和一個偏置 b 兩個待訓練的引數，假設要訓練的資料只有 (1, 0)，在這裡比較 MSE 和 Cross Entropy 兩種代價函式的學習效果。
首先構建這個模型：
from keras import Sequential, initializers, optimizers
from keras.layers import Activation, Dense
import numpy as np
def viz_keras_fit(w, b, runtime_plot=False, loss="mean_squared_error", act="sigmoid"):
d = DrawCallback(runtime_plot=runtime_plot)
# 初始化引數
w = initializers.Constant([w])
b = initializers.Constant([b])
x_train, y_train = np.array([1]), np.array([0])
model = Sequential()
model.add(Dense(1,
activation=act,
input_shape=(1,),
kernel_initializer=w,
bias_initializer=b))
# Learning Rate = 0.15
sgd = optimizers.SGD(lr=0.15)
model.compile(optimizer=sgd, loss=loss)
model.fit(x = x_train,
y = y_train,
epochs=150,
verbose=0,
callbacks=[d]) # Callback List
return d
複製程式碼初始引數仍然是 (2, 2) 換成 Cross Entropy 作為 loss function 之後：
雖然實現了實時視覺化，但繪圖所用的時間可能比一個 epoch 耗時更久，因此先記錄每一步的 loss 再繪圖會更好一些：
實時觀察模型的學習情況可以幫助我們在初期選擇損失函式、啟用函式、模型結構以及超引數等。以下是 DrawCallback 的實現：
import pylab as pl
from IPython import display
from keras.callbacks import Callback
class DrawCallback(Callback):
def __init__(self, runtime_plot=True):
super().__init__()
self.init_loss = None
self.runtime_plot = runtime_plot
self.xdata = []
self.ydata = []
def _plot(self, epoch=None):
epochs = self.params.get("epochs")
pl.ylim(0, int(self.init_loss*2))
pl.xlim(0, epochs)
pl.plot(self.xdata, self.ydata)
pl.xlabel('Epoch {}/{}'.format(epoch or epochs, epochs))
pl.ylabel('Loss {:.4f}'.format(self.ydata[-1]))
def _runtime_plot(self, epoch):
self._plot(epoch)
display.clear_output(wait=True)
display.display(pl.gcf())
pl.gcf().clear()
def plot(self):
self._plot()
pl.show()
def on_epoch_end(self, epoch, logs = None):
logs = logs or {}
loss = logs.get("loss")
if self.init_loss is None:
self.init_loss = loss
self.xdata.append(epoch)
self.ydata.append(loss)
if self.runtime_plot:
self._runtime_plot(epoch)
複製程式碼