在对神经网络进行训练时，经常需要获取每次训练后的的神经网络的初步测试结果的对比，以下介绍每次训练结束后调用函数进行操作的方法。
依赖
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import callbacks
基本
首先继承 keras.callbacks.EarlyStopping类，重构on_epoch_end函数：
class earlyStopAndDraw(keras.callbacks.EarlyStopping):
def on_epoch_end(self, epoch, logs=None):
# operation here
之后生成类对象 early_stop:
early_stop = earlyStopAndDraw(patience=4, monitor='loss')
在model.fit里使用这个类对象：
train_history = model.fit(train_data, label_data, callbacks=[early_stop], batch_size=4, epochs=50, validation_split=0.2, validation_freq=1, shuffle=True)
能做什么？
在 # operation here处可进行需要的操作。例如保存模型 model.save('model_file.h5')；或使用数据测试每次训练结果，对于测试数据 testRawData例如：
plt.figure()
plt.subplot(1,2,1)
plt.imshow(tf.reshape(testRawData,(input_width, input_width)))
plt.subplot(1,2,2)
test_data = tf.expand_dims(tf.reshape(testRawData,(input_width, input_width)), -1)
test_data = tf.expand_dims(test_data, 0)
predict_data = auto_encoder.predict(test_data)
plt.imshow(np.squeeze(predict_data))
plt.show()
plt.savefig(file_name)
plt.close()