[파이썬] Keras 사용자 정의 콜백 생성

07 Sep 2023

Keras

콜백은 Keras 모델 훈련 중에 발생하는 이벤트에 대한 사용자 지정 로직을 추가하기 위해 사용됩니다. Keras에는 다양한 내장 콜백이 제공되지만 때로는 특정 기능을 수행하는 사용자 정의 콜백을 만들어야 할 수도 있습니다. 이 블로그 포스트에서는 Keras를 사용하여 사용자 정의 콜백을 생성하는 방법을 알아보겠습니다.

1. 콜백 클래스 생성

먼저, 사용자 정의 콜백을 만들기 위해 keras.callbacks.Callback 클래스를 상속하는 새로운 클래스를 생성해야 합니다. 이 클래스는 몇 가지 특정한 메서드를 구현하므로 원하는 기능을 추가할 수 있습니다.

from keras.callbacks import Callback

class MyCustomCallback(Callback):
    def __init__(self, my_parameter):
        super(MyCustomCallback, self).__init__()
        self.my_parameter = my_parameter

    def on_train_begin(self, logs=None):
        # 훈련 시작 시 호출되는 로직을 작성합니다.
        pass

    def on_train_end(self, logs=None):
        # 훈련 종료 시 호출되는 로직을 작성합니다.
        pass

    def on_epoch_begin(self, epoch, logs=None):
        # 각 에포크 시작 시 호출되는 로직을 작성합니다.
        pass

    def on_epoch_end(self, epoch, logs=None):
        # 각 에포크 종료 시 호출되는 로직을 작성합니다.
        pass

    def on_batch_begin(self, batch, logs=None):
        # 각 배치 시작 시 호출되는 로직을 작성합니다.
        pass

    def on_batch_end(self, batch, logs=None):
        # 각 배치 종료 시 호출되는 로직을 작성합니다.
        pass

위의 코드에서 MyCustomCallback은 keras.callbacks.Callback 클래스를 상속하고, 원하는 기능을 추가하기 위해 특정한 메서드를 오버라이딩하고 있습니다. 콜백 생성자에서 사용자 정의 매개변수를 초기화하고, 발생하는 이벤트에 따라 필요한 로직을 구현할 수 있습니다.

2. 콜백 활용

콜백이 정의되면, 이를 Keras 모델 훈련 과정에 적용할 수 있습니다. 다음은 사용자 정의 콜백을 설치하는 예시 코드입니다.

from keras.models import Sequential
from keras.layers import Dense
from keras.callbacks import ModelCheckpoint

# 모델 생성
model = Sequential()
model.add(Dense(64, input_dim=10, activation='relu'))
model.add(Dense(64, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# 콜백 생성
custom_callback = MyCustomCallback(my_parameter='some value')
model_checkpoint = ModelCheckpoint('model.h5', save_best_only=True)

# 모델 훈련
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
model.fit(X_train, y_train, epochs=10, callbacks=[custom_callback, model_checkpoint])

위의 예시 코드에서는 my_parameter라는 사용자 지정 매개변수를 가진 MyCustomCallback과 ModelCheckpoint 콜백을 생성한 후, model.fit() 메서드에서 이를 콜백 리스트로 전달하여 모델 훈련 과정에 적용하고 있습니다.

이와 같이 Keras에서 사용자 정의 콜백을 생성하여 모델 훈련 중에 필요한 로직을 추가할 수 있습니다. 이러한 콜백은 모델 훈련의 진행 상황을 모니터링하거나, 가중치를 저장하거나, 학습률을 동적으로 조정하는 등 다양한 작업에 유용하게 활용될 수 있습니다.