在Keras和TensorFlow中创建回调以在WhatsApp上发送通知
在任何项目中，训练深度神经网络都需要很长时间。我个人会启动培训过程，并让
笔记本电脑安静地静置一段时间。但是有时候，当我几个小时后检查笔记本电脑时，会收到一条错误消息表示欢迎，这可能是在培训过程中发生的，并中断了整个进度。
在这种情况下，希望培训过程停止后（由于错误或在完成指定的时期数之后）立即得到通知，从而使人们可以以最少的时间浪费进行下一步。
文字分类
在本教程中，我们将创建一个Keras回调，该回调在WhatsApp上发送有关您的深度学习模型的通知。尽管本教程涵盖了为培训过程的开始和结束创建通知，但是，该方法可以扩展到任何其他用例。
本教程大致分为3个部分
使用Python将消息发送到WhatsApp
了解Keras回调并创建一个
捆绑在一起
第1节：使用Python将消息发送到WhatsApp
有多种方法可以将WhatsApp Messenger与python连接。但是，最简单的一种是使用Twilio的一种。Twilio是一个通信平台，允许开发人员在不同的平台上发送通知，例如香草短信，WhatsApp甚至语音呼叫。它提供了一个非常简洁的API，用于将WhatsApp与python连接。
步骤1.转到此链接并注册Twilio。
步骤2.通过单击此链接激活WhatsApp的Twilio沙箱。您将能够看到类似下面的界面。您可以通过将此号码（突出显示）另存为手机上的联系人并向已保存的联系人发送消息“加入主圈子”来激活沙箱。等待界面显示确认消息。
步骤3.通过单击屏幕左上角的Twilio徽标或单击此链接，转到Twilio控制台。在这里，您可以找到在Python中设置Twilio客户端时所需的帐户ID和身份验证令牌。
步骤4.使用Python设置Twilio客户端并发送您的第一条消息。打开一个代码编辑器，然后粘贴此处提供的代码。在脚本中，account_sid和auth_token是从控制台获得的令牌，如步骤3所示。“ Your_whatsapp_number”是您要接收文本通知的编号。最后，“ From_number”是您在步骤2中为WhatsApp设置Twilio沙箱时遇到的电话号码。注–在国家/地区代码中包括国家/地区代码。例如，如果您的电话号码是112233445，国家代码是+91，则必须在“ Your_whatsapp_number”字段中输入+91112233445。
执行此脚本后，您将从步骤2中获得的号码在手机上看到WhatsApp通知。
第2节：了解Keras回调并创建一个
该官员Keras文档定义为“功能设置为在训练过程中给予分阶段实施的回调。您可以使用回调获取训练期间模型的内部状态和统计信息。”
在训练深度神经网络时，您可能会遇到想要记录不同指标（例如准确性，文件丢失或以历元（自适应学习率）更改学习率）的情况。在这种情况下，我们使用称为回调的类的对象，该对象使您可以在训练，测试或评估过程的不同阶段中检索，设置不同模型参数的值。TensorFlow官方指南是学习如何创建自己的Callback的绝佳资源。
TensorFlow团队在命名Callback类中的方法方面做得非常出色，这使您很容易理解每??个函数的意图/功能。使用的命名约定以on_ {train / test / batch / epoch} _ {begin / end}的形式命名每个函数。
对于我们的任务，我们想知道模型何时停止训练。该信息可以从函数on_train_end（）获得。因此，我们可以创建一个类'WhatappCallBack'来扩展Keras的Callback类。在此类内，我们将重载on_train_end（）函数以了解所需的信息。
首先，我们将为使用Twilio发送消息而编写的代码封装在名为“ send_message”的函数中。该函数接受我们要发送的文本作为参数。接下来，我们定义回调并重载on_train_end（）函数。不用担心，这里以Jupyter Notebook的形式提供了完整的代码！我在下面附上一些图片，以便更好地理解。
第3节：将所有内容捆绑在一起
为了测试我们的功能，我们需要定义一个简单的前馈网络并创建一个虚拟数据集。这将在后续步骤中进行演示。
步骤1.我们使用sklearn库的make_classification方法生成1000个随机样本数据点和一个非常简单的ANN。
第2步。我们创建“ WhatappCallBack”类的实例，并在拟合模型时将此实例传递给callbacks参数。
步骤3.享受结果
题库