forked from huawei/mindspore2022
75 lines
2.4 KiB
ReStructuredText
75 lines
2.4 KiB
ReStructuredText
.. py:class:: mindspore.train.callback.Callback
|
||
|
||
用于构建回调函数的基类。回调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初始化和释放资源等操作。
|
||
|
||
回调函数可以在step或epoch中的执行一些操作。
|
||
|
||
它保存模型相关信息。例如 `network` 、 `train_network` 、 `epoch_num` 、 `batch_num` 、 `loss_fn` 、 `optimizer` 、 `parallel_mode` 、 `device_number` 、 `list_callback` 、 `cur_epoch_num` 、 `cur_step_num` 、 `dataset_sink_mode` 、 `net_outputs` 等。
|
||
|
||
**样例：**
|
||
|
||
>>> from mindspore import Model, nn
|
||
>>> from mindspore.train.callback import Callback
|
||
>>> class Print_info(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()
|
||
>>> dataset = create_custom_dataset()
|
||
>>> net = Net()
|
||
>>> loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean')
|
||
>>> optim = nn.Momentum(net.trainable_params(), 0.01, 0.9)
|
||
>>> model = Model(net, loss_fn=loss, optimizer=optim)
|
||
>>> model.train(1, dataset, callbacks=print_cb)
|
||
step_num：1
|
||
|
||
.. py:method:: begin(run_context)
|
||
|
||
在网络执行之前被调用一次。
|
||
|
||
**参数：**
|
||
|
||
**run_context** (RunContext) - 包含模型的一些基本信息。
|
||
|
||
.. py:method:: end(run_context)
|
||
|
||
网络执行后被调用一次。
|
||
|
||
**参数：**
|
||
|
||
**run_context** (RunContext) - 包含模型的一些基本信息。
|
||
|
||
.. py:method:: epoch_begin(run_context)
|
||
|
||
在每个epoch开始之前被调用。
|
||
|
||
**参数：**
|
||
|
||
**run_context** (RunContext) - 包含模型的一些基本信息。
|
||
|
||
.. py:method:: epoch_end(run_context)
|
||
|
||
在每个epoch结束后被调用。
|
||
|
||
**参数：**
|
||
|
||
**run_context** (RunContext) - 包含模型的一些基本信息。
|
||
|
||
.. py:method:: step_begin(run_context)
|
||
|
||
在每个step开始之前被调用。
|
||
|
||
**参数：**
|
||
|
||
**run_context** (RunContext) - 包含模型的一些基本信息。
|
||
|
||
.. py:method:: step_end(run_context)
|
||
|
||
在每个step完成后被调用。
|
||
|
||
**参数：**
|
||
|
||
**run_context** (RunContext) - 包含模型的一些基本信息。
|
||
|