如何使用 Keras 回呼(callbacks)觸發訓練週期的結束？ModelCheckpoint 與 EarlyStopping 實戰

什麼是 Keras callbacks？為什麼需要它？

Keras callbacks 是 Keras 在訓練過程特定時間點自動呼叫的物件，例如每個 epoch 結束、每個 batch 結束、訓練開始或結束時。它讓你不用改寫訓練迴圈，就能插入儲存模型、提前停止、調整學習率、寫 log 等動作。

常見用途包括：

• ModelCheckpoint：在訓練過程中儲存模型或權重，訓練中斷也不會前功盡棄。
• EarlyStopping：被監控的指標（通常是 val_loss）連續幾個 epoch 沒有改善就停止訓練，避免過擬合（overfitting），也節省時間。
• ReduceLROnPlateau：指標停滯時自動調降學習率。
• TensorBoard：把訓練過程寫成 log，用 TensorBoard 觀察模型效能。

ModelCheckpoint 與 EarlyStopping 完整程式碼範例

Keras 3 的寫法是把兩個回呼放進同一個 list，傳給 model.fit() 的 callbacks 參數，並且一定要提供驗證資料，否則 val_loss 不存在，兩個回呼都沒有東西可以監控。

import keras

callbacks = [
    keras.callbacks.ModelCheckpoint(
        "best.keras",              # Keras 3 建議用 .keras 格式
        monitor="val_loss",
        save_best_only=True,       # 只在 val_loss 創新低時覆寫檔案
        verbose=1,
    ),
    keras.callbacks.EarlyStopping(
        monitor="val_loss",
        patience=3,                # 連續 3 個 epoch 沒改善就停
        restore_best_weights=True, # 停下來時把權重還原成最佳那一輪
        verbose=1,
    ),
]

model.fit(
    X_train, y_train,
    epochs=50,                     # 上限可以設大一點，交給 EarlyStopping 決定何時停
    batch_size=32,
    validation_data=(X_val, y_val),
    callbacks=callbacks,
)

這份範例和舊版寫法有三個差別：

實際跑一次：EarlyStopping 在第幾輪停下來？

以下是用 Keras 3.15.1（JAX 後端）實際執行的結果。資料是 600 筆帶雜訊的二元分類假資料（400 筆訓練、200 筆驗證），模型是兩層各 256 個神經元的 Dense 網路，參數量刻意開大，讓它很快過擬合。epochs 設 50，patience=3。

逐輪的驗證損失如下：

最後幾輪的原始 log：

Epoch 4: val_loss improved from 0.48931 to 0.48890, saving model to best.keras
13/13 - 0s - accuracy: 0.8575 - loss: 0.3521 - val_accuracy: 0.7700 - val_loss: 0.4889
Epoch 5: val_loss did not improve from 0.48890
13/13 - 0s - accuracy: 0.8750 - loss: 0.3116 - val_accuracy: 0.7600 - val_loss: 0.5027
Epoch 6: val_loss did not improve from 0.48890
13/13 - 0s - accuracy: 0.8950 - loss: 0.2821 - val_accuracy: 0.7550 - val_loss: 0.5184
Epoch 7: val_loss did not improve from 0.48890
13/13 - 0s - accuracy: 0.9050 - loss: 0.2570 - val_accuracy: 0.7550 - val_loss: 0.5361
Epoch 7: early stopping

從表格可以看到典型的過擬合訊號：第 4 輪之後，訓練準確率還在一路往上（0.8575 → 0.9050），驗證損失卻開始變差（0.4889 → 0.5361）。EarlyStopping 在最佳輪之後又多等了 patience=3 輪，確認真的沒有改善，才在第 7 輪停下來。原本設定的 50 輪只跑了 7 輪。

restore_best_weights 沒開會怎樣？

restore_best_weights 預設是 False。沒開的話，EarlyStopping 停下來時，模型保留的是最後一輪（第 7 輪）的權重，而不是最佳的第 4 輪。

同一份資料、同一個亂數種子，只切換這個參數，訓練結束後直接對驗證集呼叫 model.evaluate()：

開啟後，Keras 會印出 Restoring model weights from the end of the best epoch: 4.，手上的模型直接就是最佳版本。

如果沒開 restore_best_weights，但有搭配 ModelCheckpoint(save_best_only=True)，最佳模型仍然存在 best.keras 裡，只是要記得用 keras.models.load_model("best.keras") 重新載入，而不是直接拿記憶體中的 model 去預測或匯出。這是兩個回呼搭配使用時最常見的誤會。

patience 和其他參數要怎麼設？

patience 設太小，模型可能在驗證損失短暫波動時就被誤判停止；設太大，則會多跑很多無效的 epoch。一般可以先從 3 到 10 之間開始，再依照 val_loss 曲線的抖動程度調整。

EarlyStopping 常用參數（依 Keras 3 的函式簽名整理）：

ModelCheckpoint 常用參數：

常見設定錯誤有哪些？

下面幾個錯誤都會讓回呼「看起來有設定，其實沒有照預期運作」：

1. 沒有傳 validation_data 或 validation_split。 監控 val_loss 卻沒有驗證資料，Keras 只會發出 UserWarning: Early stopping conditioned on metric `val_loss` which is not available 警告，訓練照樣跑完全部 epoch，EarlyStopping 永遠不會觸發。
2. 只存權重卻沒用 .weights.h5 副檔名。 在 Keras 3.15.1 實測，ModelCheckpoint("model.weights", save_weights_only=True) 會直接丟出 ValueError，錯誤訊息要求檔名必須以 .weights.h5 結尾。
3. 沿用舊教學的 model.h5。 可以執行，但會出現 HDF5 是 legacy 格式的警告，官方建議改成 .keras。
4. 照舊教學呼叫 fit_generator()。 Keras 3 已經沒有這個方法，generator 或 tf.data.Dataset 直接傳給 fit() 就可以。
5. 以為 EarlyStopping 停下來就是最佳模型。 沒開 restore_best_weights=True 時不是，見上一節的對照表。
6. save_best_only 沒開，最佳模型被後面的 epoch 覆寫。 檔案最後存的是最後一輪，不是最佳一輪。

如何自訂 callback 或組合多個回呼？

自訂回呼的做法是繼承 keras.callbacks.Callback，覆寫 on_epoch_end()、on_train_begin() 等方法。每個方法都會收到 logs 字典，裡面有當輪的 loss、val_loss 等指標。

class PrintValLoss(keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs=None):
        print(f"epoch {epoch + 1}: val_loss={logs['val_loss']:.4f}")

多個回呼放進同一個 list 就會一起運作，例如「ModelCheckpoint 儲存最佳模型＋EarlyStopping 提前停止＋ReduceLROnPlateau 調降學習率」。回呼會依照 list 裡的順序被呼叫。

常見問題

QKeras 的 callback 是什麼？

Keras callback 是一個會在訓練過程特定時間點（epoch 結束、batch 結束等）被 Keras 自動呼叫的物件，用來插入儲存模型、提前停止訓練、調整學習率等操作。

QEarlyStopping 的 patience 參數是什麼意思？

patience 是允許被監控指標連續幾個 epoch 沒有改善的次數。本文實測設 patience=3，最佳結果出現在第 4 輪，之後連續 3 輪沒有改善，所以在第 7 輪停止。

QEarlyStopping 停止後，模型是最好的那一版嗎？

預設不是。restore_best_weights 預設為 False，模型保留的是最後一輪的權重。本文實測中，沒開時 val_loss 是 0.5361，開啟後是 0.4889。

QModelCheckpoint 一定要搭配 EarlyStopping 嗎？

不需要，兩者可以獨立使用。實務上常一起使用：ModelCheckpoint 負責把最佳模型存到檔案，EarlyStopping 負責在不再進步時結束訓練。

QKeras 3 還能用 .h5 格式存模型嗎？

可以，但 Keras 會提示 HDF5 是 legacy 格式，建議改用 .keras。只存權重時，檔名必須以 .weights.h5 結尾，否則會出現 ValueError。

參考資料

• Keras Callbacks API 官方文件
• Keras EarlyStopping 官方文件
• Keras ModelCheckpoint 官方文件

延伸閱讀

• Keras model.fit() 參數設定：batch_size、epochs、validation 與 callbacks 怎麼用？：validation_data 和 epochs 的設定會直接影響 EarlyStopping 的效果。
• 如何判讀機器學習訓練結果：loss、accuracy、val_loss、val_accuracy 完整解讀：判斷 loss 與 val_loss 曲線是不是過擬合。
• 梯度下降法介紹：一階最佳化算法如何找到局部極小值？：每個 epoch 裡權重實際是怎麼被更新的。

最後更新

2026-09-25：改用 Keras 3 寫法（.keras 格式、移除 fit_generator()），補上實際訓練 log、restore_best_weights 前後對照、參數設定表與常見設定錯誤。原文發布於 2023-01-11。

關於作者

Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。

首次發布：2023-01-11