TensorFlow中model.fit报ValueError：未知损失函数问题排查

核心矛盾与可能原因 #

你贴出的编译代码明确使用了内置损失categorical_crossentropy，但报错却指向不存在的square_categorical_crossentropy，问题出在实际运行的模型配置和你当前代码不一致，具体分这几种情况：

• 模型定义/编译代码未实际执行：比如在Notebook或脚本中，你修改了compile的损失参数，但没重新运行模型初始化、compile的代码块，导致程序仍在使用之前配置了square_categorical_crossentropy的旧模型。
• 加载了未正确处理的预保存模型：如果你的代码中存在加载之前保存的模型的逻辑，而那个保存的模型使用了自定义的square_categorical_crossentropy损失，且加载时没有注册这个自定义函数，就会触发该错误——即便你之后重新compile，也可能覆盖失败。
• 环境变量缓存残留：部分交互式环境（如Jupyter）会缓存变量，若你之前定义过同名模型并使用了square_categorical_crossentropy，当前代码的新模型可能未覆盖旧变量，导致运行的还是旧模型。
• 自定义损失未定义/注册：如果square_categorical_crossentropy是你自己定义的损失函数，但既没在代码中实现，也没通过keras.utils.custom_object_scope注册，却被模型引用，就会出现找不到的错误。

快速解决步骤 #

1. 强制重新执行模型定义、compile的完整代码，确保当前使用的模型是你期望的配置。
2. 若确实需要使用square_categorical_crossentropy，先实现这个自定义损失，再直接传入compile：

import tensorflow as tf

def square_categorical_crossentropy(y_true, y_pred):
    ce = tf.keras.losses.categorical_crossentropy(y_true, y_pred)
    return tf.square(ce)

# 编译时直接传函数对象
model.compile(optimizer=tf.keras.optimizers.Adam(),
              loss=square_categorical_crossentropy,
              metrics=['accuracy'])

3. 若涉及加载预保存模型，用custom_object_scope包裹加载操作：

from tensorflow.keras.utils import custom_object_scope

with custom_object_scope({'square_categorical_crossentropy': square_categorical_crossentropy}):
    model = tf.keras.models.load_model('your_model_path.h5')

4. 清理环境缓存：重启Notebook内核或脚本进程，避免旧变量干扰。

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