使用EarlyStopping回调时AutoKeras.ImageClassifier返回空History对象

问题场景 #

在同一数据集上测试含autokeras.ImageClassifier的多个模型，数据集加载代码：

img_size = (100,120,3)
train_dataset = get_dataset(x_train, y_train, img_size[:-1], 128)
valid_dataset = get_dataset(x_valid, y_valid, img_size[:-1], 128)
test_dataset = get_dataset(x_test, y_test, img_size[:-1], 128) 

创建模型并添加tf.keras.callbacks.EarlyStopping回调训练：

# 创建网络
model = ak.ImageClassifier(overwrite=True, max_trials=1, metrics=['accuracy'])
# 训练网络
early_stop = tf.keras.callbacks.EarlyStopping(monitor='val_loss', mode='min', patience=2) #其余参数默认

history = model.fit(train_dataset, epochs=10, validation_data=valid_dataset, callbacks=[early_stop])

# 评估网络
model.evaluate(test_dataset)

核心问题：训练因EarlyStopping终止时，history返回None；移除回调后，能正常获取history对象。训练终止时输出包含模型保存警告及检查点变量未找到的提示。

原因分析 #

AutoKeras的fit方法内部封装了模型搜索与训练流程，外部传入的EarlyStopping触发终止时，可能打断了其内部的history返回逻辑，导致无法正常返回训练历史。同时训练日志中的检查点警告也说明回调触发时，模型的保存/恢复流程未完全完成，进一步影响了history的生成。

解决方案 #

1. 自定义回调手动记录训练历史 #

绕过AutoKeras的history返回逻辑，自己写一个回调来捕获每个epoch的指标：

from tensorflow.keras.callbacks import Callback

class HistoryRecorder(Callback):
    def on_train_begin(self, logs=None):
        self.history = {'loss': [], 'val_loss': [], 'accuracy': [], 'val_accuracy': []}

    def on_epoch_end(self, epoch, logs=None):
        logs = logs or {}
        self.history['loss'].append(logs.get('loss'))
        self.history['val_loss'].append(logs.get('val_loss'))
        self.history['accuracy'].append(logs.get('accuracy'))
        self.history['val_accuracy'].append(logs.get('val_accuracy'))

# 初始化回调
history_recorder = HistoryRecorder()
early_stop = tf.keras.callbacks.EarlyStopping(monitor='val_loss', mode='min', patience=2)

# 训练时传入两个回调
model.fit(train_dataset, epochs=10, validation_data=valid_dataset, callbacks=[early_stop, history_recorder])

# 从自定义回调中获取历史数据
history = history_recorder.history

2. 升级AutoKeras版本 #

旧版AutoKeras可能存在与TensorFlow回调的兼容bug，升级到最新稳定版试试：

pip install --upgrade autokeras

3. 手动记录或借助TensorBoard #

如果上面的方法都不行，训练时可以在每个epoch结束时打印指标并保存到本地文件，后续整理成history格式；也可以添加TensorBoard回调，将指标写入日志文件，之后从日志中提取训练历史：

from tensorflow.keras.callbacks import TensorBoard

tensorboard_callback = TensorBoard(log_dir='./logs', histogram_freq=1)
model.fit(train_dataset, epochs=10, validation_data=valid_dataset, callbacks=[early_stop, tensorboard_callback])

内容的提问来源于stack exchange，提问作者Videgain