Colab中自定义EarlyStopping训练模型时触发InvalidArgumentError

核心判断 #

这个错误本质和EarlyStopping无关，它只是触发了每轮epoch后的验证流程，暴露了之前未被发现的「模型输出与验证集标签不匹配」或「验证集本身问题」。以下是具体排查步骤：

• 检查模型输出与标签格式的匹配性

  • 若模型最后一层为Dense(4, activation='softmax')，损失函数必须用categorical_crossentropy，且训练/验证生成器的class_mode需设为'categorical'（生成独热编码标签）；若标签是整数格式（如0-3），损失函数要换成sparse_categorical_crossentropy，生成器class_mode设为'sparse'。
  • 确认训练、验证生成器的class_mode完全一致，不能出现一边用独热、一边用整数标签的情况。

• 验证数据集的完整性

  • 检查验证集是否严格包含4个类别，无缺失或多余类别；避免某类图片数量为0（会导致独热编码维度异常）。
  • 确保验证生成器的target_size、batch_size与训练生成器完全相同，防止输入维度不匹配。

• 定位错误根源

  • 先注释掉EarlyStopping回调，仅保留validation_data=valid_generator跑1个epoch，若仍报错，说明问题出在验证流程本身，和EarlyStopping无关。
  • 检查monitor参数对应的指标是否存在：若用val_loss，需确保模型编译时的损失函数在验证集上可正常计算（比如自定义损失函数需兼容验证数据）。

• 模型架构细节校验

  • 确认模型最后一层输出维度为4（对应4个类别），避免写成Dense(3)这类错误。
  • 检查损失函数与输出激活的匹配：比如用categorical_crossentropy时，最后一层必须有softmax激活；若未加激活，需改用from_logits=True的参数（如loss=tf.keras.losses.CategoricalCrossentropy(from_logits=True)）。

内容的提问来源于stack exchange，提问作者someonewhoneedshelp