3.7 回调函数：训练过程的监控哨

3.7 回调函数：训练过程的监控哨

本节摘要：回调是 fit 留给你的官方干预口：在 epoch 或 batch 的边界节拍上被唤醒，能读日志、改参数、停训练、存检查点。本节先给出完整的唤醒节拍表，再实战三件内置武器——ModelCheckpoint 存档、EarlyStopping 早停、ReduceLROnPlateau 降学习率，最后给出自定义回调模板。3.6 节的早停与调度器都是回调的用户，这一节揭开它们共同的底座。

读完你应当能做到

阅读完本节，你应当能够：

1. 画出回调各方法与训练节拍的对应关系，知道每类干预该挂在哪个钩子；
2. 用 ModelCheckpoint 在验证指标改善时自动存最优权重；
3. 组合 EarlyStopping 与 checkpoint，实现"停了还是最好的"；
4. 写自定义回调在训练中读取梯度或动态调整逻辑。

唤醒节拍表

回调对象传入 fit 的 callbacks 参数列表后，Keras 在训练的关键节拍上依次调用它的钩子方法。节拍从粗到细：训练级（on_train_begin 或 end）、epoch 级（on_epoch_begin 或 end）、批次级（on_train_batch_begin 或 end）、验证级（on_test_begin 或 end 等）。logs 字典携带当前指标快照——训练级与验证级节拍里正是靠它读取 val_loss。模型、优化器都能经 self.model 访问，这意味着回调有权改学习率、有权停训练、有权写任何变量。

图 15 回调唤醒节拍与 fit 主循环的关系

三件内置武器

武器一，ModelCheckpoint：按条件把权重（或整模型）写到磁盘。最常用的姿势是"验证指标每次改善才存"——训练跑完，磁盘上永远是最优的那一步：

import tensorflow as tf
import numpy as np
from sklearn.datasets import fetch_california_housing

housing = fetch_california_housing()
X, y = housing.data.astype("float32"), housing.target.astype("float32")

m = tf.keras.Sequential([tf.keras.layers.Input(shape=(8,)),
                         tf.keras.layers.Dense(64, activation="relu"),
                         tf.keras.layers.Dense(1)])
m.compile(optimizer="adam", loss="mse")

ckpt = tf.keras.callbacks.ModelCheckpoint(
    filepath="best.weights.h5",
    save_weights_only=True,          # 只存权重：小、快、可移植
    monitor="val_loss",
    save_best_only=True,             # 指标改善才覆盖
)
hist = m.fit(X[:8000], y[:8000],
             validation_data=(X[8000:9000], y[8000:9000]),
             epochs=40, batch_size=64, verbose=0, callbacks=[ckpt])
print("best weights on disk")
# 输出：best weights on disk
# 训练结束后加载：
m.load_weights("best.weights.h5")
final = m.evaluate(X[9000:10000], y[9000:10000], verbose=0)
print(f"test loss with best weights: {final:.3f}")
# 输出示例：test loss with best weights: 0.573
​

武器二与武器三在 3.6 与 3.4 节已实战过：EarlyStopping 监控 val_loss、patience 到期停止并回滚最佳权重；ReduceLROnPlateau 监控改善停滞、自动降学习率。三者常一起出场，各管一件事：checkpoint 管存、early stop 管停、plateau 管调。

combo = [
    tf.keras.callbacks.ModelCheckpoint("best.weights.h5",
                                       save_weights_only=True,
                                       monitor="val_loss",
                                       save_best_only=True),
    tf.keras.callbacks.EarlyStopping(monitor="val_loss",
                                     patience=8,
                                     restore_best_weights=True),
    tf.keras.callbacks.ReduceLROnPlateau(monitor="val_loss",
                                         factor=0.5, patience=3),
]
m.compile(optimizer=tf.keras.optimizers.Adam(0.005), loss="mse")
h = m.fit(X[:8000], y[:8000],
          validation_data=(X[8000:9000], y[8000:9000]),
          epochs=200, batch_size=64, verbose=0, callbacks=combo)
print(f"ran {len(h.history['loss'])} epochs, best val {min(h.history['val_loss']):.3f}")
# 参考输出：ran 37 epochs, best val 0.512
# 三件套联动：降档救过几次，八轮耐心耗尽后停机并回滚
​

自定义回调：把 fit 的内部摊给你看

自定义回调继承 Callback 类，按需覆盖钩子。一个实用例子：每 N 轮打印学习率与训练验证差距，早停预警一目了然：

class ProgressWatch(tf.keras.callbacks.Callback):
    def __init__(self, every=5):
        super().__init__()
        self.every = every

    def on_epoch_end(self, epoch, logs=None):
        logs = logs or {}
        if (epoch + 1) % self.every == 0:
            gap = logs.get("val_loss", 0) - logs.get("loss", 0)
            lr = float(self.model.optimizer.learning_rate)
            print(f"epoch {epoch + 1}: gap {gap:.3f}, lr {lr:.5f}")

watch = ProgressWatch(every=10)
m.fit(X[:8000], y[:8000],
      validation_data=(X[8000:9000], y[8000:9000]),
      epochs=30, batch_size=64, verbose=0, callbacks=[watch])
# 输出示例：
# epoch 10: gap 0.062, lr 0.00500
# epoch 20: gap 0.091, lr 0.00250   —— plateau 已降过一档
# epoch 30: gap 0.044, lr 0.00250
# 差距走扩就是过拟合预警，lr 变化印证调度器在起作用
​

批次级钩子做梯度观测也顺手——在 on_train_batch_end 里读优化器的 iterations 变量做采样，配合 5.1 节的手写循环可以交叉验证训练行为。唯一的纪律是批次级钩子必须轻：每个批次都被叫醒，里面放重活会拖垮整条训练。

⚠️ 常见坑：EarlyStopping 监控的指标在 logs 里不存在（比如监控 val_acc 但没在 metrics 里装配它），回调静默不工作或直接报错。挂回调前确认监控名与 compile 的 metrics、验证配置对得上。

💡 关键直觉：回调是 fit 主动让出的操作台。凡是"训练途中要做的事"——存档、刹车、调参、观测——都先想"能不能写成回调"，而不是把 fit 拆成手写循环。

本节要点回顾

• 节拍表：训练级、epoch 级、批次级、验证级，logs 携带指标快照。
• checkpoint：monitor 加 save_best_only，磁盘上永远是历史最优。
• 三件套组合：存、停、调各司其职，参数互不冲突。
• 自定义回调：继承 Callback 覆盖钩子，可读日志、可改优化器、可停训练。
• 批次级钩子轻量化：高频唤醒的钩子里不放重活。

下节解决训练结束后的交接：保存与加载。