TensorFlow.js中model.predict与onBatchEnd回调返回undefined问题求助

1. onBatchEnd回调返回undefined修复 #

• 你在model.compile中仅配置了MAE作为评估指标，没有加入准确率指标，因此logs对象不存在acc属性，打印结果自然为undefined。
• 你的训练样本总数只有18条，TensorFlow.js默认batchSize为32，样本数小于batchSize时训练不会拆分批次，onBatchEnd回调根本不会被触发，需要在fit配置中手动设置更小的batchSize。
• 输出层配置错误：units=1搭配softmax激活函数完全无法正常训练，softmax会对所有输出单元做归一化，单单元场景下输出永远固定为1：
  • 二分类任务将激活函数改为sigmoid
  • 回归任务去掉激活函数配置，保持线性输出
    修改后的代码示例：

// 输出层调整（二分类场景示例）
model.add(tf.layers.dense({name:'layer2',units: 1, activation: 'sigmoid'}))

// compile配置补充acc指标
model.compile({
  loss: 'meanSquaredError', 
  optimizer: 'sgd',
  metrics: ['MAE', 'acc']
});

// fit配置调整batchSize
model.fit(xs, ys, {
  epochs: 500, 
  batchSize: 6,
  callbacks:{onBatchEnd}
})

2. model.predict().print无输出修复 #

你调用predict时传入的张量没有明确指定形状和类型，和训练输入的int32类型、[1,30]形状不匹配，会导致输出异常，需显式声明预测输入张量的参数：

const predictInput = tf.tensor2d(
  [[104,111,117,32,97,111,101,32,121,111,117,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32,32]],
  [1, 30],
  'int32'
)
model.predict(predictInput).print()

其他注意事项 #

你代码中使用了fs.readFile但没有引入fs模块，需补充const fs = require('fs')，否则文件读取逻辑会直接报错，训练流程不会执行，自然也不会走到predict步骤。

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