如何在MATLAB中实现？

在MATLAB中实现类似的功能也相当简单，你可以使用`TrainDataHandler`或`EarlyStopping`这样的内置回调。下面是一个简单的例子，演示如何在训练神经网络时记录每轮的目标值（在这里假设我们正在处理的是一个分类任务，目标值通常是交叉熵损失）：

% 创建自定义回调类
classdef CustomCallback < handle
    properties
        EpochLossHistory;
    end
    
    methods (Access = private)
        function obj = CustomCallback()
            % 初始化历史列表
            obj.EpochLossHistory = [];
        end
    end
    
    methods (Access = public)
        % 调用此函数于每一轮结束时
        function obj = onEpochEnd(obj, epoch, loss)
            obj.EpochLossHistory(end+1) = loss;  % 记录损失值
            disp(['Epoch ' num2str(epoch+1) ': Loss = ' num2str(loss)]);
        end
    end
end

% 创建模型
net = feedforwardnet();
    
% 定义训练选项，包括回调
options = trainingOptions('adam', ...
    'Plots', 'training-progress', ...  % 显示训练进度
    'ExecutionEnvironment', 'gpu', ...  % 如果有GPU的话
    'Verbose', false, ...              % 静默模式
    'ValidationData', ...               % 使用验证数据
    'CustomTerminationFunction', @(~, ~) true,  % 自定义终止条件
    'Callback', CustomCallback());     % 使用自定义回调

% 开始训练
net = train(net, XTrain, YTrain, options);

在这个例子中，`CustomCallback`类的`onEpochEnd`方法会被自动调用，在每次训练轮结束后添加损失值到历史记录。