python - TensorFlow Keras自定义回调on_test_begin不会覆盖自身

我正在尝试创建一个自定义回调，当我调用model.fit（…）时，它将在培训和验证部分的开始和结束时激活
训练部分（on_train_begin/on_train_end）工作正常，但测试部分（on_test_begin/on_test_end）不被调用。在PyCharm，它甚至不显示那些已经存在的方法。在火车上，我看到左边的超驰标志，但在测试中没有。
如何创建将在验证期间激活的自定义回调？我在TensorFlow 1.13上（不确定这是否会改变什么）。
我想这样做是为了能够记录培训的执行时间和验证的执行时间。
我遵循了TensorFlow官方网站的指示：
https://www.tensorflow.org/beta/guide/keras/custom_callback
我还在官网上找到了“测试开始”和“测试结束”的方法：
https://www.tensorflow.org/api_docs/python/tf/keras/callbacks/TensorBoard

class TimeHistory(tf.keras.callbacks.Callback):
    def on_test_begin(slef,logs=None):
        print('testing begins')
    def on_test_end(selfs,logs=None):
        print('testing ends')
    def on_train_begin(self, logs=None):
        print("training begins")
    def on_train_end(self, logs=None):
        print('training ends')

def creationModeleMLP(nbHiddenLayers,nbPerceptrons,nbEpochs,learningRate,myBatchSize,currentFold):
    model = tf.keras.models.Sequential()
    #ajoute le input layer
    model.add(tf.keras.layers.Flatten(input_shape=(76,)))
    #ajoute les hidden layers
    for i in range(nbHiddenLayers):
        model.add(tf.keras.layers.Dense(nbPerceptrons, activation=tf.nn.relu))
    #ajoute le output layer
    model.add(tf.keras.layers.Dense(2, activation=tf.nn.softmax))
    model.compile(optimizer=tf.keras.optimizers.Adam(lr=learningRate),
                  loss='sparse_categorical_crossentropy',
                  metrics=['accuracy'])
    #entraine le modele
    timeHistory = TimeHistory()
    histoire = model.fit(vectPrimTrain[currentFold], typeTrain[currentFold], batch_size=myBatchSize, epochs=nbEpochs,
              callbacks=[tensorboard,timeHistory], validation_data=(vectPrimTest[currentFold],typeTest[currentFold]))

我希望在验证开始时调用“测试”上的方法和“测试”上的方法。
谢谢你

最佳答案

在tensorflow 1.14+中加入了on_test_*和on_predict_*两种方法。确保tensorflow 1.14或tensorflow 2能够使用这些。