paddlets.models.common.callbacks.callbacks
- class Callback[源代码]
基类:
object
用于构建新Callback的抽象基类.
- _trainer
模型实例.
- set_trainer(model: PaddleBaseModel)[源代码]
设置模型实例.
- 参数
model (PaddleBaseModel) – 模型实例.
- on_epoch_begin(epoch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个epoch开始前调用.
- 参数
epoch (int) – epoch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- on_epoch_end(epoch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个epoch结束后调用.
- 参数
epoch (int) – epoch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- on_batch_begin(batch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个batch开始前调用.
- 参数
batch (int) – batch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- on_batch_end(batch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个batch结束后调用.
- 参数
batch (int) – batch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- class CallbackContainer(callbacks: List[Callback])[源代码]
基类:
object
包含若干Callback的容器.
- 参数
callbacks (List[Callback]) – Callback的列表.
- set_trainer(model: PaddleBaseModel)[源代码]
设置模型实例.
- 参数
model (PaddleBaseModel) – 模型实例.
- on_epoch_begin(epoch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个epoch开始前调用.
- 参数
epoch (int) – epoch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- on_epoch_end(epoch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个epoch结束后调用.
- 参数
epoch (int) – epoch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- on_batch_begin(batch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个batch开始前调用.
- 参数
batch (int) – batch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- on_batch_end(batch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个batch结束后调用.
- 参数
batch (int) – batch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- class EarlyStopping(early_stopping_metric: str, is_maximize: bool, tol: float = 0.0, patience: int = 1)[源代码]
基类:
Callback
EarlyStopping Callback(早停), 在训练过程中, 当提供的metric不再变优,让模型提前停止训练.
- 参数
early_stopping_metric (str) – 用于EarlyStopping(早停)的metric名称.
is_maximize (bool) – 标识early_stopping_metric的优化方向.
tol (float) – 标识early_stopping_metric需要提升的最小delta值.
patience (int) – 训练结束前early_stopping_metric没有提升的次数.
- _early_stopping_metric
用于EarlyStopping(早停)的metric名称.
- 类型
str
- _is_maximize
标识early_stopping_metric的优化方向.
- 类型
bool
- _tol
标识early_stopping_metric需要提升的最小delta值.
- 类型
float
- _patience
训练结束前early_stopping_metric没有提升的次数.
- 类型
int
- _best_epoch
模型达到最优的epoch索引.
- 类型
int
- _stopped_epoch
模型停止训练时的epoch索引.
- 类型
int
- _best_loss
训练结束时, 模型所能达到的最优early_stopping_metric(反应模型当前的表现).
- 类型
float
- _wait
训练结束前early_stopping_metric没有提升的次数.
- 类型
int
- class History(verbose: int = 1)[源代码]
基类:
Callback
History Callback, 记录模型训练过程中各种信息.
- 参数
verbose (int) – 设定打印信息的迭代间隔.
- _verbose
设定打印信息的迭代间隔.
- 类型
int
- _history
记录模型训练过程中各类metric信息.
- 类型
Dict[str, Any]
- _start_time
训练开始时刻.
- 类型
float
- _epoch_loss
模型训练时, 每一轮的平均loss.
- 类型
float
- _epoch_metrics
记录模型训练过程中各类metric信息.
- 类型
Dict[str, Any]
- _samples_seen
遍历的样本数目.
- 类型
int
- on_train_begin(logs: Optional[Dict[str, Any]] = None)[源代码]
在模型训练开始前调用.
- 参数
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.
- on_epoch_begin(epoch: int, logs: Optional[Dict[str, Any]] = None)[源代码]
在每个epoch开始前调用.
- 参数
epoch (int) – epoch的索引.
logs (Dict[str, Any]|None) – 日志信息, 可以是字典或者None.