Keras-callbacks

Introductie tot Deep Learning met Keras

Miguel Esteban

Data Scientist & Founder

Wat is een callback?

Callbacks in Keras

Een gemiste callback

# Een model trainen en de history opslaan
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]

Een gemiste callback

# Een model trainen en de history opslaan
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]

History-plots

# Plot train- vs test-accuray per epoch
plt.figure()

# Gebruik de history-metrics
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])

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

History-plots

Early stopping

# Early stopping importeren uit keras callbacks
from tensorflow.keras.callbacks import EarlyStopping


# Maak een early stopping-callback
early_stopping = EarlyStopping(monitor='val_loss', patience=5)


# Train je model met de callback
model.fit(X_train, y_train, epochs=100,
          validation_data=(X_test, y_test),
          callbacks = [early_stopping])

Model checkpoint

# Model checkpoint importeren uit keras callbacks
from keras.callbacks import ModelCheckpoint


# Maak een model checkpoint-callback
model_save = ModelCheckpoint('best_model.hdf5',
                              save_best_only=True)


# Train je model met de callback
model.fit(X_train, y_train, epochs=100,
          validation_data=(X_test, y_test),
          callbacks = [model_save])

Laten we oefenen!

Introductie tot Deep Learning met Keras