mindspore.Callback
- class mindspore.Callback[源代码]
用于构建Callback函数的基类。Callback函数是一个上下文管理器,在运行模型时被调用。 可以使用此机制进行一些自定义操作。
Callback类的每个方法对应了训练或推理过程的不同阶段,这些方法有相同的入参 run_context,用于保存训练或推理过程中模型的相关信息。定义Callback子类或自定义Callback时,请根据需要重写名称前缀为“on_train”或“on_eval”的方法,否则自定义的Callback在 model.fit 中使用时会产生错误。
自定义Callback场景下,在类方法中通过 RunContext.original_args() 方法可以获取模型训练或推理过程中已有 的上下文信息,此信息为一个存储了已有属性的字典型变量;用户也可以在此信息中添加其他的自定义属性;此外, 通过调用 request_stop 方法来停止训练过程。有关自定义Callback的具体用法,请查看 Callback。
样例:
>>> import numpy as np >>> import mindspore as ms >>> from mindspore import nn >>> from mindspore import dataset as ds >>> class Print_info(ms.Callback): ... def step_end(self, run_context): ... cb_params = run_context.original_args() ... print("step_num: ", cb_params.cur_step_num) >>> >>> print_cb = Print_info() >>> data = {"x": np.float32(np.random.rand(64, 10)), "y": np.random.randint(0, 5, (64,))} >>> dataset = ds.NumpySlicesDataset(data=data).batch(32) >>> net = nn.Dense(10, 5) >>> loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean') >>> optim = nn.Momentum(net.trainable_params(), 0.01, 0.9) >>> model = ms.Model(net, loss_fn=loss, optimizer=optim) >>> model.train(1, dataset, callbacks=print_cb) step_num: 2
- begin(run_context)[源代码]
在网络执行之前被调用一次。与 on_train_begin 和 on_eval_begin 方法具有兼容性。
参数:
run_context (RunContext) - 包含模型的一些基本信息。
- end(run_context)[源代码]
网络执行后被调用一次。与 on_train_end 和 on_eval_end 方法具有兼容性。
参数:
run_context (RunContext) - 包含模型的一些基本信息。
- epoch_begin(run_context)[源代码]
在每个epoch开始之前被调用。与 on_train_epoch_begin 和 on_eval_epoch_begin 方法具有兼容性。
参数:
run_context (RunContext) - 包含模型的一些基本信息。
- epoch_end(run_context)[源代码]
在每个epoch结束后被调用。与 on_train_epoch_end 和 on_eval_epoch_end 方法具有兼容性。
参数:
run_context (RunContext) - 包含模型的一些基本信息。
- on_eval_epoch_begin(run_context)[源代码]
在推理的epoch开始之前被调用。
参数:
run_context (RunContext) - 包含模型的一些基本信息。
- on_eval_step_begin(run_context)[源代码]
在推理的每个step开始之前被调用。
参数:
run_context (RunContext) - 包含模型的一些基本信息。
- on_train_epoch_begin(run_context)[源代码]
在训练的每个epoch开始之前被调用。
参数:
run_context (RunContext) - 包含模型的一些基本信息。
- on_train_epoch_end(run_context)[源代码]
在训练的每个epoch结束后被调用。
参数:
run_context (RunContext) - 包含模型的一些基本信息。
- on_train_step_begin(run_context)[源代码]
在训练的每个step开始之前被调用。
参数:
run_context (RunContext) - 包含模型的一些基本信息。