TensorFlow中model.fit参数报错及metrics拼写错误问题排查

核心问题排查与修复 #

1. 修正Metrics参数的拼写错误 #

模型编译代码中存在明显笔误：metrics=['aaccracy']里的指标名称拼写错误，正确名称应为accuracy。TensorFlow无法识别错误的指标名称，这是触发报错的直接原因之一。

修正后的编译代码：

model.compile(optimizer=Adam(learning_rate=0.0001), 
              loss='sparse_categorical_crossentropy', 
              metrics=['accuracy'])

2. 转换输入数据为NumPy数组格式 #

你的训练样本和标签当前是Python列表格式，而TensorFlow的model.fit要求输入为NumPy数组或TensorFlow张量。需要先完成格式转换：

import numpy as np

# 转换训练样本数组
scaled_train_samples = np.array(scaled_train_samples)
# 转换训练标签数组
train_labels = np.array(train_labels)

3. 确认model.fit的参数格式（已完成正确修正） #

你第二次调用model.fit的格式是正确的：

model.fit(scaled_train_samples, train_labels, batch_size=4, epochs=3)

第一次使用的{batchSize: 4, epochs: 3}是JavaScript风格的对象语法，Python不支持这种写法，改用关键字参数是正确的选择。

完整可运行代码示例 #

import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.optimizers import Adam

# 定义模型
model = Sequential([
    Dense(units=16, input_shape=(1,), activation='relu'), # 第一层
    Dense(units=32, activation='relu'), # 第二层
    Dense(units=2, activation='softmax'), # 全连接输出层
])

# 编译模型（修正metrics拼写错误）
model.compile(optimizer=Adam(learning_rate=0.0001), 
              loss='sparse_categorical_crossentropy', 
              metrics=['accuracy'])

# 转换训练数据为NumPy数组
scaled_train_samples = np.array([
    [0.22093023], [0.6627907], [0.44186047], [0.40697674], [0.97674419],
    [0.04651163], [0.19767442], [0.61627907], [0.03488372], [0.44186047],
    [0.43023256], [0.8255814], [0.48837209], [0.20930233], [0.46511628],
    [0.81395349], [0.15116279], [0.18604651], [0.43023256], [0.61627907]
])

train_labels = np.array([
    1,0,1,0,1,0,1,0,1,0,
    1,0,1,0,1,0,1,0,1,0
])

# 启动训练
model.fit(scaled_train_samples, train_labels, batch_size=4, epochs=3)

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