Class mindspore.train.callback.Callback

    用于构建回调函数的基类。回调函数是一个上下文管理器，在运行模型时被调用。
    可以使用此机制进行初始化和释放资源等操作。

    回调函数可以在step或epoch中的执行一些操作。

    它保存模型相关信息。例如`network`、`train_network`、`epoch_num`、`batch_num`、`loss_fn`、`optimizer`、`parallel_mode`、`device_number`、`list_callback`、`cur_epoch_num`、`cur_step_num`、`dataset_sink_mode`、`net_outputs`等。

    示例：
        >>> from mindspore import Model, nn
        >>> from mindspore.train.callback import Callback
        >>> class Print_info(Callback):
        ...     def step_end(self, run_context):
        ...         cb_params = run_context.original_args()
        ...         print("step_num: ", cb_params.cur_step_num)
        >>>
        >>> print_cb = Print_info()
        >>> dataset = create_custom_dataset()
        >>> net = Net()
        >>> loss = nn.SoftmaxCrossEntropyWithLogits(sparse=True, reduction='mean')
        >>> optim = nn.Momentum(net.trainable_params(), 0.01, 0.9)
        >>> model = Model(net, loss_fn=loss, optimizer=optim)
        >>> model.train(1, dataset, callbacks=print_cb)
        step_num：1
    

begin(run_context)

        在网络执行之前被调用一次。

        参数：
            run_context (RunContext)：包含模型的一些基本信息。
        

end(run_context)

        网络执行后被调用一次。

        参数：
            run_context (RunContext)：包含模型的一些基本信息。
        

epoch_begin(run_context)

        在每个epoch开始之前被调用。

        参数：
            run_context (RunContext)：包含模型的一些基本信息。
        

epoch_end(run_context)

        在每个epoch结束后被调用。

        参数：
            run_context (RunContext)：包含模型的一些基本信息。
        

step_begin(run_context)

        在每个step开始之前被调用。

        参数：
            run_context (RunContext)：包含模型的一些基本信息。
        

step_end(run_context)

        在每个step完成后被调用。

        参数：
            run_context (RunContext)：包含模型的一些基本信息。