TensorFlow训练图像分类器报train_function空日志ValueError错误

该报错不是Keras框架bug，由代码中三处配置问题共同导致：

• 核心配置冲突：模型输出层使用activation='softmax'，输出的是经归一化的概率值，但编译模型时给CategoricalCrossentropy传入了from_logits=True，该参数会告知框架模型输出为未经过激活的原始logits值，两者逻辑冲突会导致计算图执行异常，返回空训练日志。
• 生成器参数缺失：调用flow_from_directory构造数据集时，未显式指定batch_size与class_mode，默认生成的数据批次大小、标签格式与后续训练逻辑不匹配，可能导致训练步骤取数为空。
• 基础参数错误：像素归一化系数写为rescale=1./225，正确值应为除以255，该问题不会直接触发当前报错，但会严重影响模型收敛效果。

按以下步骤修改代码即可解决问题：

1. 解决损失函数与输出层的配置冲突，二选一即可：
   • 保留输出层softmax激活：将损失函数修改为tf.keras.losses.CategoricalCrossentropy(from_logits=False)
   • 保留from_logits=True配置：删除最后一层Dense的softmax激活，直接输出原始logits（该方式数值稳定性更优），对应代码修改为tf.keras.layers.Dense(num_classes)
2. 补全图像数据生成器的缺失参数，保证与训练逻辑对齐：

# 注意BATCH_SIZE=32的定义要移到生成器初始化之前
BATCH_SIZE = 32

train_generator = datagen.flow_from_directory(
    TRAINING_DATA,
    shuffle=True,
    target_size=IMAGE_SHAPE,
    batch_size=BATCH_SIZE,
    class_mode='categorical'
)

valid_generator = datagen.flow_from_directory(
    VALID_DATA,
    shuffle=False,
    target_size=IMAGE_SHAPE,
    batch_size=BATCH_SIZE,
    class_mode='categorical'
)

3. 修正归一化参数：将ImageDataGenerator中的rescale=1./225修改为rescale=1./255，将像素值从0-255区间正确缩放至0-1区间。
4. （可选）若修改后仍需定位细粒度执行错误，可在模型编译时传入run_eagerly=True，即可看到具体报错的代码行，而非笼统的空日志提示。

• 最新版TensorFlow中tf.keras.optimizers.Adam的学习率参数名已从lr改为learning_rate，建议同步修改为learning_rate=0.0001，避免产生废弃参数警告。
• 若数据集路径配置错误、目录下图片未被正确读取，或单类图片量过少导致train_generator.samples // BATCH_SIZE计算出的steps_per_epoch为0，也会触发同类空日志报错，出现该情况时优先检查数据集路径有效性、调整批次大小即可。

内容的提问来源于stack exchange，提问作者user16198467