我知道如何在每个epoch后保存模型：

savemodel = ModelCheckpoint(filepath='models/model_{epoch:02d}-{loss:.2f}.h5')model.fit(X, Y, batch_size=4, epochs=32, verbose=1, callbacks=[savemodel])

如何创建自定义回调函数来记录特定信息：

def write_metrics():     with open('log.txt', 'a') as f:  # 追加到日志文件        f.write('{epoch:02d}: loss = {loss:.1f}')model.fit(X, Y, batch_size=4, epochs=32, verbose=1, callbacks=[savemodel, write_metrics])

?

使用这段代码不会工作，因为{loss}和{epoch}在f.write('{epoch:02d}: loss = {loss:.1f}')中没有定义。

回答：

这里是解决方案，通过子类化Callback：

from keras.callbacks import Callbackclass MyLogger(Callback):    def on_epoch_end(self, epoch, logs=None):        with open('log.txt', 'a+') as f:            f.write('%02d %.3f\n' % (epoch, logs['loss']))

然后

mylogger = MyLogger()model.fit(X, Y, batch_size=32, epochs=32, verbose=1, callbacks=[mylogger])

或者甚至

model.fit(X, Y, batch_size=32, epochs=32, verbose=1, callbacks=[MyLogger()])