[TensorFlow/Keras 기초] callback함수

2025.03.15 - [Data & Research] - [ML & DL 기초] Table of Contents

---

콜백(Callback) 함수를 사용하면 학습 과정 중에 특정 시점(예: 에포크 시작/종료, 배치 시작/종료)에 원하는 동작을 수행하도록 할 수 있습니다. 기본적인 사용방식은 아래와 같습니다. 

# 1. 필요한 콜백 임포트
from tensorflow.keras.callbacks import EarlyStopping, ModelCheckpoint

# 2. 콜백 객체 생성
early_stopping = EarlyStopping(monitor='val_loss', patience=10)
model_checkpoint = ModelCheckpoint(
    filepath='best_model.keras',
    save_best_only=True,
    monitor='val_loss',
    verbose=1
)

# 3. model.fit()에 콜백 리스트 전달
history = model.fit(
    x_train, y_train,
    epochs=100,
    validation_data=(x_val, y_val),
    callbacks=[early_stopping, model_checkpoint] # ◀◀◀
)

 

callback함수에는 다양한 유용한 기능을 넣을 수 있습니다. 

1) Learning_rate 조절

callbacks.ReduceLROnPlateau(
    monitor="val_loss",
    factor=0.1, # new_lr = lr * factor.
    patience=5,
    verbose=0,
    mode="auto",
    min_delta=0.0002,
    cooldown=0,
    min_lr=0,
    **kwargs
)

reduce_lr = keras.callbacks.ReduceLROnPlateau(monitor='val_loss', verbose=1,factor=0.4
				, patience=10, min_lr=1e-6)

 

2) 모델 저장

keras.callbacks.ModelCheckpoint(
    filepath,               # 저장경로
    save_weights_only=True, # 모델전체로 할 것이냐 가중치만 저장할 것이냐
    monitor='val_acc',      # 기준 metric
    mode='max',             # "최선"의 기준(auto, min, max)
    save_best_only=True)    # 더 나아졌을 때만 저장할 것이냐

 

3) 비정상 종료 시 이어서 학습

Backup_ = keras.callbacks.BackupAndRestore(backup_dir="./backupfile")