为什么TensorFlow的model.fit仅保存最后一轮验证准确率与损失

问题原因 #

你在model.fit调用中错误地为非生成器格式的验证集配置了validation_steps参数。
validation_steps仅适用于验证集为生成器（如ImageDataGenerator.flow输出的迭代器）或tf.data.Dataset对象的场景，用来指定每轮验证需要迭代的batch数。你当前传入的validation_data=(testX, testY)是普通的NumPy数组/张量格式，TensorFlow默认会自动遍历全部验证集计算每轮的指标，不需要额外指定validation_steps。硬加该参数会导致验证逻辑异常，最终仅保存了1次验证结果。

修复方案 #

方案1：删除多余的validation_steps参数 #

直接修改model.fit代码，移除针对验证集的步数配置即可，重新训练后历史数据中就会保存每轮的验证集指标：

H = model.fit(
aug.flow(trainX, trainY, batch_size=BS),
steps_per_epoch=len(trainX) // BS,
validation_data=(testX, testY),
epochs=EPOCHS)

方案2：将验证集也转为生成器格式 #

如果你需要保留validation_steps配置，可以把验证集也封装为和训练集同类型的生成器：

# 验证集生成器不需要做数据增强，直接用普通迭代即可
val_gen = ImageDataGenerator().flow(testX, testY, batch_size=BS)
H = model.fit(
aug.flow(trainX, trainY, batch_size=BS),
steps_per_epoch=len(trainX) // BS,
validation_data=val_gen,
validation_steps=len(testX) // BS,
epochs=EPOCHS)

注意：你当前已经生成的历史文件中仅保留了最后一轮的验证指标，无法补全之前轮次的数值，需要按上述方案修改后重新训练才能绘制完整的验证集曲线。

内容的提问来源于stack exchange，提问作者Shield77