keras使用callback造自己的monitor函数

fit_generator函数

callback类

keras.callbacks.ModelCheckpoint是一个常见的callback类，其重写了on_epoch_end函数，在每个epoch结束保存模型数据进入文件。

• keras.callbacks.History类主要记录每一次epoch训练的结果，包含loss以及acc的值；
• keras.callbacks.ProgbarLogger类实现训练中间状态数据信息的输出，主要涉及进度相关信息。

1. 训练过程中，每次权重的更新都是在一个batch上进行一次，是基于batch量的数据为单位进行权重的更新；

2. 基于生成器模型训练数据，可以提升效率，降低对物理服务器性能，尤其是内存的要求；

3. 训练过程中，callback函数执行了大量的工作，包括loss、acc值的记录，以及训练中间结果的日志反馈，最重要的是模型数据的输出，也是通过callback的方式实现；

4. 训练和验证的逻辑近乎一样，训练要更新权重，但是验证过程，仅仅更新网络状态，不涉及权重（loss以及acc参数）信息的更新；

5. Keras采用了生成器，装饰器，回调等编程思想，另外，对矩阵运算，例如numpy.dot以及numpy.multiply的数学逻辑都有一定要求，对python编程要求还是比较高滴。

我的新的callback函数

class F1ScoreCallback(Callback):
    def __init__(self, predict_batch_size=1024, include_on_batch=False):
        super(F1ScoreCallback, self).__init__()
        self.predict_batch_size = predict_batch_size
        self.include_on_batch = include_on_batch

    def on_batch_begin(self, batch, logs={}):
        pass

    def on_train_begin(self, logs={}):
        if not ('avg_f1_score_val' in self.params['metrics']):
            self.params['metrics'].append('avg_f1_score_val')

    def on_batch_end(self, batch, logs={}):
        if (self.include_on_batch):
            logs['avg_f1_score_val'] = float('-inf')

    def on_epoch_end(self, epoch, logs={}):
        logs['avg_f1_score_val'] = float('-inf')
        if (self.validation_data):
            y_predict, predict2, predict3 = self.model.predict(self.validation_data[0],
                                           batch_size=self.predict_batch_size)
            y_predict[y_predict >= 0.5] = 1
            y_predict[y_predict < 0.5] = 0
            f1 = f1_score(self.validation_data[1], y_predict, average='macro')
            # print("macro f1_score %.4f " % f1)
            f2 = f1_score(self.validation_data[1], y_predict, average='micro')
            # print("micro f1_score %.4f " % f2)
            avgf1=(f1 + f2) / 2
            # print("avg_f1_score %.4f " % (avgf1))
            logs['avg_f1_score_val'] =avgf1

只要加入log中,然后在monitor选择你自己定义的log函数名字,就能在一个epoch后的val中运行