tf.callbacks.ModelCheckpoint告警：val_acc未识别，无法保存最优模型

我一眼就看出问题所在了——你代码里的ModelCheckpoint监控的是val_acc，但你的训练日志里验证集的准确率指标明明是val_accuracy啊！这就是为什么每次训练到中途会弹出告警，直到 epoch 结束才显示正确的验证指标，但此时 checkpoint 已经跳过保存了。

解决方案 #

直接修改ModelCheckpoint的monitor参数，将val_acc替换为val_accuracy，修改后的回调代码如下：

callbacks = [
    TensorBoard(log_dir=r'C:\Users\reda\Desktop\logs\{}'.format(Name), histogram_freq=1),
    ModelCheckpoint(filepath=r"C:\Users\reda\Desktop\checkpoints\{}".format(Name), monitor='val_accuracy', verbose=2, save_best_only=True, mode='max')
]

原因说明 #

这是TensorFlow版本差异导致的指标命名规则变化：

• 在TensorFlow 2.x及后续较新版本中，默认的准确率指标名称为accuracy（训练集）和val_accuracy（验证集）
• 旧版TensorFlow（如1.x）可能使用acc和val_acc的命名方式

你的训练日志里明确显示每轮训练结束后输出的验证准确率是val_accuracy: 0.5000，只有让ModelCheckpoint的监控名称与实际输出的指标名称完全匹配，它才能正确识别验证集指标并完成最佳模型的保存。

内容的提问来源于stack exchange，提问作者Reda El Hail