TensorFlow2.6+Keras设置25轮训练仅跑5轮问题排查

开发者阿泽

2026-9-3

TensorFlow 2.6 训练未跑满设定Epoch的排查与修复

训练未按设定跑完25轮的问题按以下优先级排查修复：

优先排查硬编码steps参数与数据集规模不匹配问题
这是2.6版本下最高发的诱因：你当前使用tf.keras.utils.image_dataset_from_directory生成的是tf.data.Dataset对象，这类数据集默认迭代完所有批次就会终止，不会自动循环。你代码里硬编码了steps_per_epoch=25、validation_steps=25，如果拆分后的训练集/验证集实际总批次数小于你硬编码的数值，框架会在数据集耗尽后直接结束训练，不会继续跑满设定的25轮。
另外你的代码里定义了ImageDataGenerator但完全没有调用，当前训练根本没用到这个生成器，不要混淆旧版flow_from_directory的迭代逻辑和新版image_dataset_from_directory的逻辑。
额外注意：你代码中定义的train_datagen、test_datagen没有被实际调用，当前读取的图片像素值没有做1/255归一化，就算训练流程修复，模型收敛效果也会受影响，可以给数据集加map操作完成归一化：
```
def rescale(image, label):
    return image/255.0, label
train_generator = train_generator.map(rescale)
validation_generator = validation_generator.map(rescale)
```
修复方式：直接删除model.fit中的steps_per_epoch和validation_steps参数，让框架自动根据数据集总样本量、batch_size计算每轮步数即可，修改后的fit代码如下：
```
history = model.fit(
    train_generator,
    epochs = 25,
    validation_data = validation_generator,
    verbose = 1
)
```
如果必须手动指定步数，先通过以下代码获取数据集实际批次数，设定值不要超过这个结果：
```
import tensorflow as tf
train_batch_count = tf.data.experimental.cardinality(train_generator).numpy()
val_batch_count = tf.data.experimental.cardinality(validation_generator).numpy()
```
问题复现时的运行参考：
排查被日志隐藏的运行时报错
你当前配置了日志屏蔽规则，把TensorFlow低级别日志全部过滤了，训练到第5轮时如果触发OOM内存溢出、损坏图片读取失败、数据格式异常的问题，可能因为提示信息级别不够被隐藏，看起来像是“无理由停止”。临时注释掉日志配置再复现一次，就能看到完整报错信息：
```
# 临时注释以下代码，复现问题查看完整输出
# import logging
# logging.getLogger("tensorflow").setLevel(logging.ERROR)
```
排查隐式早停回调
你贴出的代码里没有添加EarlyStopping早停回调，但要排查是否有其他导入的依赖、全局配置默认注入了回调规则，可以在调用fit前执行print(model.callbacks)，打印所有绑定到模型的回调，确认没有意外的早停规则触发训练终止。
校验框架版本安装正确性
你贴出的安装命令在包名和版本号之间加了多余空格，可能导致安装到不兼容的混合版本。执行以下命令重新安装干净的2.6版本：
```
pip uninstall -y tensorflow keras
pip install tensorflow==2.6.0 keras==2.6.0
```
安装完成后执行以下代码校验版本，确保两个框架版本都是2.6.0：
```
import tensorflow as tf
import keras
print(tf.__version__, keras.__version__)
```
排查数据集文件完整性
如果训练到第5轮时刚好读取到损坏、格式不支持的图片文件，也会导致训练终止，可以遍历全量数据集文件排查坏图，尤其是第5轮对应批次的图片文件。

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