【コールバックが実行されるタイミング】 ┌─────────────────────────────────────────┐ │ model.fit() 開始 │ │ ↓ │ │ ┌─────────────────────────────────────┐ │ │ │ エポック1 開始 ← on_epoch_begin() │ │ │ │ ↓ │ │ │ │ バッチ1 処理 │ │ │ │ バッチ2 処理 │ │ │ │ … │ │ │ │ ↓ │ │ │ │ エポック1 終了 ← on_epoch_end() ★ │ │ │ └─────────────────────────────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────┐ │ │ │ エポック2 開始 │ │ │ │ … │ │ │ │ エポック2 終了 ← on_epoch_end() ★ │ │ │ └─────────────────────────────────────┘ │ │ ↓ │ │ … │ └─────────────────────────────────────────┘ ★ Early Stopping, ModelCheckpoint などは 主に on_epoch_end() で実行される

from tensorflow.keras.callbacks import EarlyStopping # Early Stoppingの設定 early_stopping = EarlyStopping( monitor=’val_loss’, # 監視する指標（検証損失） patience=5, # 5エポック改善なしで終了 min_delta=0.001, # 0.001以上の改善を「改善」とみなす mode=’min’, # 損失は小さいほど良い restore_best_weights=True, # ★ 最良の重みに戻す（重要！） verbose=1 # 終了時にメッセージ表示 ) # 学習時にコールバックを指定 model.fit( X_train, y_train, epochs=100, # 多めに設定してOK validation_split=0.2, callbacks=[early_stopping] # ★ ここで指定 )

Epoch 1/100
375/375 - val_loss: 0.1523
Epoch 2/100
375/375 - val_loss: 0.1245
...
Epoch 15/100
375/375 - val_loss: 0.0823  ← 最良
Epoch 16/100
375/375 - val_loss: 0.0831
...
Epoch 20/100
375/375 - val_loss: 0.0892
Epoch 20: early stopping  ← 5エポック改善なしで終了
Restoring model weights from the end of the best epoch: 15.

from tensorflow.keras.callbacks import ModelCheckpoint # ModelCheckpointの設定 checkpoint = ModelCheckpoint( filepath=’best_model.keras’, # 保存先 monitor=’val_accuracy’, # 監視する指標（検証精度） save_best_only=True, # ★ 最良の時だけ保存 save_weights_only=False, # モデル全体を保存 mode=’max’, # 精度は大きいほど良い verbose=1 ) # 学習 model.fit( X_train, y_train, epochs=50, validation_split=0.2, callbacks=[checkpoint] )

Epoch 1/50
Epoch 1: val_accuracy improved from -inf to 0.9521, saving model to best_model.keras
Epoch 2/50
Epoch 2: val_accuracy improved from 0.9521 to 0.9678, saving model to best_model.keras
Epoch 3/50
Epoch 3: val_accuracy did not improve from 0.9678
...
Epoch 15/50
Epoch 15: val_accuracy improved from 0.9756 to 0.9789, saving model to best_model.keras
...

→ 改善があるたびに自動保存される！

# Google Driveをマウント from google.colab import drive drive.mount(‘/content/drive’) # Google Driveに保存 checkpoint = ModelCheckpoint( filepath=’/content/drive/MyDrive/models/best_model.keras’, monitor=’val_loss’, save_best_only=True, verbose=1 ) # これでセッションが切れてもモデルが残る！

from tensorflow.keras.callbacks import ReduceLROnPlateau # ReduceLROnPlateauの設定 reduce_lr = ReduceLROnPlateau( monitor=’val_loss’, # 監視する指標 factor=0.5, # 学習率を半分にする patience=3, # 3エポック改善なしで発動 min_lr=1e-7, # 学習率の下限 verbose=1 ) # 学習 model.fit( X_train, y_train, epochs=100, validation_split=0.2, callbacks=[reduce_lr] )

Epoch 10/100
val_loss: 0.0823
Epoch 11/100
val_loss: 0.0825
Epoch 12/100
val_loss: 0.0830
Epoch 13/100
val_loss: 0.0828

Epoch 13: ReduceLROnPlateau reducing learning rate to 0.0005
← 学習率が 0.001 → 0.0005 に自動調整された！

Epoch 14/100
val_loss: 0.0795  ← 学習率を下げたら改善した！

from tensorflow.keras.callbacks import TensorBoard import datetime # ログディレクトリの設定 log_dir = “logs/fit/” + datetime.datetime.now().strftime(“%Y%m%d-%H%M%S”) # TensorBoardコールバック tensorboard_callback = TensorBoard( log_dir=log_dir, histogram_freq=1 ) # 学習 model.fit( X_train, y_train, epochs=20, validation_split=0.2, callbacks=[tensorboard_callback] ) # TensorBoardを起動（Google Colab） %load_ext tensorboard %tensorboard –logdir logs/fit

from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Dropout, Flatten from tensorflow.keras.callbacks import EarlyStopping, ModelCheckpoint, ReduceLROnPlateau from tensorflow.keras.datasets import mnist from tensorflow.keras.utils import to_categorical # ===== 1. データ準備 ===== (X_train, y_train), (X_test, y_test) = mnist.load_data() X_train = X_train / 255.0 X_test = X_test / 255.0 y_train = to_categorical(y_train) y_test = to_categorical(y_test) # ===== 2. モデル構築 ===== model = Sequential([ Flatten(input_shape=(28, 28)), Dense(512, activation=’relu’), Dropout(0.5), Dense(256, activation=’relu’), Dropout(0.3), Dense(10, activation=’softmax’) ]) model.compile( optimizer=’adam’, loss=’categorical_crossentropy’, metrics=[‘accuracy’] ) # ===== 3. コールバック設定 ===== # Early Stopping: 改善がなければ学習終了 early_stopping = EarlyStopping( monitor=’val_loss’, patience=10, restore_best_weights=True, verbose=1 ) # ModelCheckpoint: 最良モデルを保存 checkpoint = ModelCheckpoint( filepath=’best_model.keras’, monitor=’val_loss’, save_best_only=True, verbose=1 ) # ReduceLROnPlateau: 停滞したら学習率を下げる reduce_lr = ReduceLROnPlateau( monitor=’val_loss’, factor=0.5, patience=5, min_lr=1e-7, verbose=1 ) # ===== 4. 学習 ===== history = model.fit( X_train, y_train, epochs=100, # 多めに設定（Early Stoppingで止まる） batch_size=128, validation_split=0.2, callbacks=[early_stopping, checkpoint, reduce_lr] ) # ===== 5. 評価 ===== test_loss, test_acc = model.evaluate(X_test, y_test) print(f”\nテスト精度: {test_acc:.4f}”)

Epoch 1/100
Epoch 1: val_loss improved from inf to 0.1523, saving model
...
Epoch 15/100
Epoch 15: val_loss improved from 0.0845 to 0.0812, saving model
...
Epoch 25/100
Epoch 25: ReduceLROnPlateau reducing learning rate to 0.0005
...
Epoch 35/100
Epoch 35: early stopping

テスト精度: 0.9823

→ 自動で最適な学習ができた！

# Google Colab対応の完全版 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Dropout, Flatten, BatchNormalization from tensorflow.keras.callbacks import EarlyStopping, ModelCheckpoint, ReduceLROnPlateau, TensorBoard from tensorflow.keras.datasets import mnist from tensorflow.keras.utils import to_categorical from google.colab import drive import datetime import os # ===== Google Driveマウント ===== drive.mount(‘/content/drive’) save_dir = ‘/content/drive/MyDrive/DeepLearning/models’ os.makedirs(save_dir, exist_ok=True) # ===== データ準備 ===== (X_train, y_train), (X_test, y_test) = mnist.load_data() X_train = X_train / 255.0 X_test = X_test / 255.0 y_train = to_categorical(y_train) y_test = to_categorical(y_test) # ===== モデル構築（バッチ正規化 + ドロップアウト）===== model = Sequential([ Flatten(input_shape=(28, 28)), Dense(512, activation=’relu’), BatchNormalization(), Dropout(0.5), Dense(256, activation=’relu’), BatchNormalization(), Dropout(0.3), Dense(10, activation=’softmax’) ]) model.compile(optimizer=’adam’, loss=’categorical_crossentropy’, metrics=[‘accuracy’]) # ===== コールバック設定 ===== callbacks = [ EarlyStopping(monitor=’val_loss’, patience=10, restore_best_weights=True, verbose=1), ModelCheckpoint(f'{save_dir}/best_mnist.keras’, monitor=’val_loss’, save_best_only=True, verbose=1), ReduceLROnPlateau(monitor=’val_loss’, factor=0.5, patience=5, min_lr=1e-7, verbose=1), TensorBoard(log_dir=f’logs/{datetime.datetime.now().strftime(“%Y%m%d-%H%M%S”)}’) ] # ===== 学習 ===== history = model.fit(X_train, y_train, epochs=100, batch_size=128, validation_split=0.2, callbacks=callbacks) # ===== 評価 ===== test_loss, test_acc = model.evaluate(X_test, y_test) print(f”\nテスト精度: {test_acc:.4f}”) print(f”モデル保存先: {save_dir}/best_mnist.keras”)