Keras-tuner超参数调优时val_accuracy缺失报错的原因与解决方法

核心是指标名称不匹配：

• 你在model.compile()里指定的评估指标是categorical_accuracy，Keras训练时输出的验证集指标会自动加上val_前缀，实际生成的指标名为val_categorical_accuracy
• 你初始化Keras Tuner的RandomSearch时，objective参数填的是val_accuracy，和实际输出的指标名不一致，因此Tuner找不到要优化的目标，触发了ValueError，同时训练过程中保存最优模型的逻辑也因为找不到val_accuracy抛出了警告。

两种方案二选一即可：

方案1：修改Tuner的objective参数 #

把RandomSearch里的objective值改成和实际输出匹配的val_categorical_accuracy：

tuner = RandomSearch(
    _model,
    objective="val_categorical_accuracy", # 替换为实际生成的指标名
    max_trials=10,
    overwrite=True,
    directory="tuner_random_directory",
    project_name="tuner_random_project_name",
)

方案2：修改模型编译时的metrics参数 #

把model.compile()里的metrics改成"accuracy"，Keras会根据损失函数和输出格式自动匹配对应的精度计算逻辑，此时验证集指标名就是val_accuracy，和你原来的objective参数匹配：

model.compile(
    optimizer=tf.keras.optimizers.SGD(
        hp.Choice("learning_rate", values=[1e-1, 1e-2, 1e-3])
    ),
    loss="categorical_crossentropy",
    metrics="accuracy" # 替换为accuracy
)

内容的提问来源于stack exchange，提问作者user366312