线性回归模型.fit()报错：Mutation::Apply error问题求助

1. 损失函数匹配错误 #

你的任务是回归任务（预测连续数值MPG），但错误使用了分类任务专用的SparseCategoricalCrossentropy损失函数，这会导致模型训练逻辑完全错位，是触发错误的核心原因之一。

修正代码 #

将编译部分的损失函数替换为回归任务适用的MeanSquaredError，同时调整过高的学习率：

horsepower_model.compile(
    loss=losses.MeanSquaredError(),
    optimizer=optimizers.legacy.Adam(learning_rate=0.01),
    metrics=['mean_absolute_error'])  # 回归任务使用回归指标，而非分类用的accuracy

2. TensorFlow Metal GPU兼容性问题 #

错误日志中的metal_plugin/src/graph/remapper/remapper.cc报错，是Mac环境下TensorFlow使用Metal GPU加速时的已知bug，尤其在极简模型（单Dense层线性回归）上容易触发。

解决办法 #

• 临时禁用GPU：在代码最开头添加以下代码强制使用CPU运行：

  import os
  os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
  

• 升级TensorFlow版本：该bug在TensorFlow 2.15及以上版本已修复，执行命令升级：

  pip install --upgrade tensorflow
  

• 降级到兼容版本：若升级后仍有问题，可降级到2.13版本：

  pip install tensorflow==2.13
  

额外优化点 #

• 确保输入特征为二维数组（匹配模型输入格式），对特征数组添加维度：

  horsepower_features = np.array(train_features['Horsepower']).reshape(-1, 1)
  horsepower_val_features = np.array(val_features['Horsepower']).reshape(-1, 1)
  horsepower_test = np.array(test_features['Horsepower']).reshape(-1, 1)
  

• 原学习率0.1过高，调整为0.01或0.001可避免训练时损失剧烈震荡。

内容的提问来源于stack exchange，提问作者Qendala