TensorFlow执行model.fit报train_function空日志错误排查

• 任务：基于TensorFlow Keras搭建U-Net模型实现语义分割
• 数据管线：通过ImageDataGenerator分别构建训练集、验证集的图像-掩码配对数据生成器，模型定义、编译环节运行无异常
• 训练配置：
  • 训练集样本量：130组图像-掩码对
  • 验证集样本量：33组图像-掩码对
  • 模型输入尺寸：224×224
  • batch_size：8
  • 损失函数：BinaryFocalLoss(gamma=2)
  • 评估指标：自定义dice_metric
• 触发时机：调用model.fit()启动训练时抛出如下错误

Unexpected result of train_function(Empty logs). Please useModel.compile(..., run_eagerly=True), or tf.config.run_functions_eagerly(True)for more information of where went wrong, or file a issue/bug totf.keras.

这个报错本质是TensorFlow图执行模式下，训练步执行完没有返回合法的损失、指标日志值，常见诱因有三类：

• 数据生成器输出不符合要求
  双生成器配对逻辑错误、输出张量维度和模型输出/损失函数要求不匹配（比如二分类场景掩码维度不对、数值范围越界、图像掩码没有正确配对、生成器返回多余的标签张量），都会导致前向传播无法计算出合法损失值，最终返回空日志。
• 自定义损失/指标函数存在运算bug
  自定义的Focal Loss、dice指标如果存在维度不匹配、除零、返回值不是标量的问题，在图模式下不会直接抛出具体运算错误，只会在训练步结束时返回空结果触发该报错。
• 训练步数配置错误
  手动传入的steps_per_epoch/validation_steps计算值为0，或者生成器迭代到指定步数前就耗尽数据终止，也会触发空日志报错。

按排查优先级依次操作即可：

1. 开启eager模式定位具体错误
   直接在模型编译时传入run_eagerly=True参数，或者在代码初始化阶段执行tf.config.run_functions_eagerly(True)，关闭图执行优化后重新运行训练代码，此时控制台会直接抛出具体的错误位置（比如哪一步张量维度不匹配、哪里出现除零、生成器返回值格式不对），无需盲目排查。
2. 校验数据生成器输出
   从训练生成器中拉取一个batch的图像、掩码张量做校验：
   • 图像张量shape应为(8, 224, 224, 3)，掩码张量shape必须和模型最后一层输出shape完全一致：二分类单通道输出场景下，掩码shape应为(8, 224, 224, 1)，数值范围落在0~1区间
   • 抽样核对图像和掩码的配对关系，确认没有出现文件错配、掩码全0/全1的异常
   • 如果用flow_from_directory构建生成器，需将图像、掩码生成器的class_mode参数设为None，避免生成器额外返回分类标签张量，导致输入模型的参数数量不匹配
3. 校验自定义损失与指标逻辑
   用刚才拉取的单batch数据做本地测试：将图像传入模型做一次前向推理得到预测结果，分别把预测值、真实掩码传入BinaryFocalLoss和dice_metric，确认返回值是合法的标量数值，不存在nan、inf或者维度不匹配的报错；dice计算时要在分母添加1e-7级别的平滑项，避免出现预测值、真实值全0时的除零错误。
4. 校验训练步数配置
   若手动指定训练步数，需确认计算逻辑正确：本次配置下steps_per_epoch应为130 // 8 = 16，validation_steps应为33 // 8 = 4，不能出现0值；如果不手动指定步数，需确认生成器可以循环迭代，不会在训练过程中提前终止。

内容的提问来源于stack exchange，提问作者ECE182 Sourjya Mukherjee