Callback in Keras

Introduzione al Deep Learning con Keras

Miguel Esteban

Data Scientist & Founder

Cos'è un callback?

Callback in Keras

Un callback che ti mancava

# Allena un modello e salva il suo history
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]

Un callback che ti mancava

# Allena un modello e salva il suo history
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]

Grafici dell'history

# Grafica accuracy di train vs test per epoca
plt.figure()

# Usa le metriche di history
plt.plot(history.history['accuracy'])
plt.plot(history.history['val_accuracy'])

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

Grafici dell'history

Early stopping

# Importa early stopping dai callback di keras
from tensorflow.keras.callbacks import EarlyStopping


# Istanzia un callback di early stopping
early_stopping = EarlyStopping(monitor='val_loss', patience=5)


# Allena il modello con il callback
model.fit(X_train, y_train, epochs=100,
          validation_data=(X_test, y_test),
          callbacks = [early_stopping])

Model checkpoint

# Importa model checkpoint dai callback di keras
from keras.callbacks import ModelCheckpoint


# Istanzia un callback di model checkpoint
model_save = ModelCheckpoint('best_model.hdf5',
                              save_best_only=True)


# Allena il modello con il callback
model.fit(X_train, y_train, epochs=100,
          validation_data=(X_test, y_test),
          callbacks = [model_save])

Esercitiamoci!

Introduzione al Deep Learning con Keras