使用TensorBoard回调训练模型触发Expected scalar shape报错如何解决

• 核心原因是你自定义的f1_score评估指标返回值维度不符合要求：从训练日志可以看到你给模型配置了自定义的f1_score指标，该指标计算完成后返回的是形状为(1,)的一维张量，而TensorBoard回调写入日志时要求所有记录的指标必须是0维标量，触发了TensorFlow内部的assert_scalar校验，直接抛出该报错。
• 补充代码层面的隐藏问题：你定义的train_model函数接收callbacks_list作为回调列表参数，但实际model.fit调用时硬编码传入了tensorboad_cb，没有使用传入的回调参数，可能导致后续回调配置不生效。

• 修正自定义f1_score指标的实现：在指标返回结果前加入降维操作，比如调用tf.squeeze()把多余的维度去掉，确保返回结果为0维标量即可，示例修改如下：

# 原来的返回逻辑
# return f1
# 修改为
return tf.squeeze(f1)

• 修正回调传参逻辑：将model.fit中的callbacks=[tensorboad_cb]修改为callbacks=callbacks_list，同时把TensorBoard回调提前加入外部定义的callbacks_list中，保证所有回调正常生效：

# 外部回调列表加入TensorBoard配置
callbacks_list = [TensorBoard('logs'), 其他回调...]
# 如果你想保留现有独立定义tensorboad_cb的写法，也可以改为合并传入
history = model.fit(X_tr, y_tr, batch_size=4096, epochs=1, verbose=1, callbacks=callbacks_list + [tensorboad_cb])

• 临时规避方案：如果暂时不需要记录f1指标到TensorBoard，可以把f1_score从模型compile方法的metrics参数列表中移除，也能直接解决该报错。

内容的提问来源于stack exchange，提问作者Hung Le