Callbacks do Keras

Introdução ao Deep Learning com Keras

Miguel Esteban

Data Scientist & Founder

O que é um callback?

Callbacks no Keras

Um callback que estava faltando

# Treinando um modelo e salvando seu histórico
history = model.fit(X_train, y_train,
                    epochs=100,
                    metrics=['accuracy'])

print(history.history['loss'])

[0.6753975939750672, ..., 0.3155936544282096]

print(history.history['accuracy'])

[0.7030952412741525, ..., 0.8604761900220599]

Um callback que estava faltando

# Treinando um modelo e salvando seu histórico
history = model.fit(X_train, y_train,
                    epochs=100,
                    validation_data=(X_test, y_test),
                    metrics=['accuracy'])        

print(history.history['val_loss'])

[0.7753975939750672, ..., 0.4155936544282096]

print(history.history['val_accuracy'])

[0.6030952412741525, ..., 0.7604761900220599]

Gráficos do histórico

# Plotar acurácia de treino vs. teste por época
plt.figure()

# Usar as métricas do histórico
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])

# Deixar bonito
plt.title('Model accuracy')
plt.ylabel('Accuracy')
plt.xlabel('Epoch')
plt.legend(['Train', 'Test'])
plt.show()

Gráficos do histórico

Early stopping

# Importar early stopping dos callbacks do keras
from tensorflow.keras.callbacks import EarlyStopping


# Instanciar um callback de early stopping
early_stopping = EarlyStopping(monitor='val_loss', patience=5)


# Treinar o modelo com o callback
model.fit(X_train, y_train, epochs=100,
          validation_data=(X_test, y_test),
          callbacks = [early_stopping])

Model checkpoint

# Importar model checkpoint dos callbacks do keras
from keras.callbacks import ModelCheckpoint


# Instanciar um callback de model checkpoint
model_save = ModelCheckpoint('best_model.hdf5',
                              save_best_only=True)


# Treinar o modelo com o callback
model.fit(X_train, y_train, epochs=100,
          validation_data=(X_test, y_test),
          callbacks = [model_save])

Vamos praticar!

Introdução ao Deep Learning com Keras