如何使用Keras在Python中训练模型并使用新的回调？

Tensorflow是由Google提供的机器学习框架。它是一个开源框架，与Python一起用于实现算法、深度学习应用程序等等。它用于研究和生产目的。它具有优化技术，帮助快速执行复杂的数学运算。

可以使用以下代码在Windows上安装“tensorflow”包 –

pip install tensorflow

张量是TensorFlow中使用的数据结构。它帮助连接流程图中的边缘。这个流程图被称为“数据流图”。张量只是多维数组或列表。

Keras是一种深度学习API，它用Python编写。它是一个高级API，具有有助于解决机器学习问题的生产界面。它运行在Tensorflow框架之上。它的目的是帮助快速实验。它提供了必要的抽象和构建块，这些块在开发和封装机器学习解决方案方面是必不可少的。它高度可扩展，并具有跨平台能力。这意味着Keras可以在TPU或GPU集群上运行。Keras模型也可以导出到Web浏览器或移动手机上运行。

Keras已经存在于Tensorflow包中。可以使用以下代码访问它。

import tensorflow
from tensorflow import keras

我们使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory帮助在浏览器上运行Python代码，需要零配置，并免费访问GPU（图形处理单元）。Colaboratory是建立在Jupyter Notebook之上的。

下面是代码 –

更多Python相关文章，请阅读：Python 教程

示例

print("The model is trained with new callback")
model.fit(train_images,
    train_labels,
    epochs=50,
    callbacks=[cp_callback],
    validation_data=(test_images, test_labels),
    verbose=0)
ls {checkpoint_dir}
print("The latest checkpoint being updated")
latest = tf.train.latest_checkpoint(checkpoint_dir)
print(latest)

代码来源： https://www.tensorflow.org/tutorials/keras/save_and_load