（微信硬广）
现如今，微信已经成为每个中国人接入社会的重要接口，我们用微信在地铁上看鸡汤、在商场使用电子支付、瘫在沙发上刷朋友圈、谈恋（划掉）。总之，微信几乎包办了我们生活中的一切，让人产生一种错觉，在不久的未来手机上只需要装微信一个软件就够了。
为了证明人类社会的下一阶段是微信主义，我们先定一个小目标：用微信控制深度学习训练。
一般来说，想要监控深度学习训练，只能用ssh或者tensorboard，用手机操作毕竟很麻烦，如果微信能把监控深度学习也包办了岂不是妙哉？
在命令行时代，使用图形界面就是逼格；在图形界面时代，使用命令行就是逼格。玩的就是个潮！
@Coldwings利用微信监管你的TF训练 - 知乎专栏已经实现了微信监控Tensorflow训练博彩平台，受此启发，我决定开发一个控制keras训练的插件。（控制pytorch、mxnet、caffe交给各位了，动态图类的还可能可以用微信动态定义）现在已经实现了包括被动监控、主动查询、远程关机/停止训练等多项功能。
效果展示：
与手机微信间的通信主要由littlecodersh/ItChat实现。
欢迎fork这个项目的GitHub：QuantumLiu/wechat_callback，为了方便阅读（添乱）我硬着头皮加了双语注释。
我很惭愧，只做了一点微小的工作，希望能抛砖引玉，得到各位的支持一起完善这个项目。
一、主要功能介绍
实时监控：在每个epoch结束后，自动发送本epoch训练信息以及两张分别代表所有batch和epoch信息的图表至文件传输助手。
主动查询：在训练开始后的任意时刻，发送特定格式的指令，可获得指定查询项的信息。目前支持batch和epoch的各个指标的信息、显卡状态信息。
远程指令：当你觉得训练已经收敛，或者同实验室的人催你停止训练时，优雅地终止训练甚至关机就变得很重要了。keras的fit方法中，可以通过在callback设置self.model.stop_training = True来实现在当前epoch结束时终止训练，否则只能Ctrl+c暴力停止。利用本插件，可以使用特殊格式的指令来指定停止epoch、立刻停止训练，甚至关机和取消关机。
二、试一试！
准备工作
git clone https://github.com/QuantumLiu/wechat_callback.git
cd wechat_callback
需要用到的库：
itchat,keras,numpy,scipy,matplotlib,_thread（py3）确保nvidia-smi可用，如果windows的cmd里找不到命令，请手动将nvidia-smi.exe所在位置添加进环境变量。
2.运行测试脚本
python wechat_test.py解析：
在wechat_test.py的开头，首先import wechat_utils
import wechat_utils #will login automaticly
#wechat_utils.sendmessage()isthe callback class
#wechat_utils.sendmessage()是keras的回调类，fit时传入callbacklist
在wechat_utils.py中：
# Automaticly login when imported
#在被import时自动登录
#==============================================================================
itchat.auto_login(enableCmdQR=0.5,hotReload=True)
itchat.dump_login_status()#dump
可以看到，当wechat_utils被import时会调用itchat.auto_login(),不出意外的话，将会在命令行显示二维码，需要使用手机微信扫码登录你的微信账号。
在测试脚本里我使用numpy.random来生成训练数据，搭建了一个多层的FC网络
model = Sequential()
model.add(Dense(2048, input_dim=784))
model.add(Activation('relu'))
for i in range(9):
model.add(Dense(2048))
model.add(Activation('relu'))
model.add(Dense(1,activation='sigmoid'))
x=np.random.rand(nb_sample,dim)
y=np.random.randint(2,size=(nb_sample,1))
调用插件非常简单，只需要在fit时把wechat_utils.sendmessage()这个keras的Callback类传入Callbacklist。
model.fit(x=train_x,y=train_y,batch_size=batch_size,nb_epoch=60,validation_data=(val_x,val_y),callbacks=[wechat_utils.sendmessage()])
于是训练开始，手机会收到如下反馈：
我们可以向它发送查询指令，指令一般包括关键词和参数
以获取图表为例，包含以下任意关键词将被识别为获取图表指令：
[u'获取图表','Show me the figure']
参数则用{}或[]来指定，所有的指令均支持不指定参数，获取图表的默认参数是查询所有信息，例如
‘Show me the figure’触发了指令，{batches}表示查询batches级别信息，[loss hinge]表示查询loss和hinge指标（一般的，同一属性参数用空格隔开）
同理，['GPU','gpu',u'显卡']是gpu状态查询的关键词，用[]指定参数，如图，查询了gpu的显存和温度。GPU参数是根据nvidia-smi的预置参数确定的，全部都是大写，具体可查询属性请看GitHub的readme或者阅读源码。
新增进度查询，关键词[u'进度','Progress']。
默认将保存每个batch的训练日志至本地，可通过制定参数savelog和fexten来指定是否保存日志以及生成的图片、日志、权重文件的后缀名。
wechat_utils.sendmessage(savelog=True,fexten='TEST')
关机指令关键词是[u'关机','Shut down','Shut down the computer',u'别浪费电了',u'洗洗睡吧']，使用{sec}和[name]指定等待时间和保存文件名,文件名不包括.h5。默认保存模型，如果不想保存，可以在消息中包含[u'不保存模型',"don't save"]比如：
Shut down now{120},don't save取消关机只需要包含[u'取消','cancel','aaaa']就可以了，也就是说如果着急的话打一串a发过去也是可以的~
立刻停止训练的关键词是['Stop now',"That's enough",u'停止训练',u'放弃治疗']（《西部世界》看多了）
指定停止epoch的关键词是‘Stop at’，参数可以直接用整数表示，不需要[]。
三、总结
这个项目从有想法算起到写注释、开GitHub、写知乎不过两天半，做的很匆忙也很粗糙，特别是画图的细节和多线程的处理。
我只是一名大一学生（休学ing），水平十分有限，恳请各位多加指点，提高我的姿势水平，如果这个项目能给你带来一点点便利或者灵感，那么我将感到十分荣幸与欣慰。
好了！运行keras代码然后约妹子去看电影吧！
再次感谢@Coldwings的原创创意。
