TensorFlow自定义回调生成的val_f1_after_epoch无法被ModelCheckpoint监测怎么办

问题根源 #

你遇到这个警告的核心原因是回调的执行顺序错误。
TensorFlow Keras的回调是按照你传入model.fit()时callbacks参数里的列表顺序依次执行的。你现在的ModelCheckpoint回调执行顺序在自定义的Metrics回调之前：

• ModelCheckpoint先运行，检查logs里有没有val_f1_after_epoch，此时你的自定义指标还没计算，也没写入logs，所以触发找不到指标的警告，跳过保存
• 之后才执行Metrics回调的on_epoch_end方法，把自定义指标写入logs，所以最终history.history里能看到这个指标，但保存阶段已经错过了

解决方案 #

调整callbacks列表的顺序，把自定义的Metrics回调放在ModelCheckpoint回调之前即可：

# 错误的顺序示例（你之前大概率是这么写的）
# model.fit(..., callbacks=[checkpoint_cb, m4])

# 正确的顺序
model.fit(
    # 其余训练参数保持不变
    callbacks=[m4, checkpoint_cb]
)

你已经设置的checkpoint_cb._supports_tf_logs = False是正确配置，不需要修改，这个配置的作用是让Checkpoint可以读取普通Python数值类型的指标，而不是仅读取Tensor类型的内置指标。

内容的提问来源于stack exchange，提问作者learner