为何训练分类模型时每个epoch结束无法执行验证测试及回调？

你代码的验证集生成逻辑存在两处配置错误，导致验证集没有有效样本，训练时跳过了验证步骤，自然不会生成val_loss、val_accuracy这类验证指标，所以依赖这些指标的回调全部触发警告。

• 错误1：validation_datagen初始化时没有设置validation_split参数，但调用flow_from_directory时指定了subset='validation'，导致无法生成验证集样本
• 错误2：验证集路径配置矛盾，如果你是从同一份数据集拆分训练/验证集，validation_generator的路径应该和训练集一致为Image_folder_path，如果你用的是独立验证集目录，就不应该加subset='validation'参数

方案1：从训练集目录拆分验证集（和你原有逻辑匹配） #

1. 修正验证集数据生成器的配置，加上和训练集一致的拆分比例：

validation_datagen = ImageDataGenerator(rescale = 1/255.0, validation_split=0.2)

2. 把验证生成器的路径替换为和训练集一致的路径：

validation_generator = validation_datagen.flow_from_directory(Image_folder_path,
                                                              batch_size=batch_size,
                                                              class_mode='categorical',
                                                              target_size=(img_height, img_width),
                                                              subset='validation'
                                                             )

方案2：使用独立存放的验证集目录 #

如果你要加载的FolderPath是单独存放的验证集目录，不需要从训练集拆分，直接移除subset参数即可：

validation_datagen = ImageDataGenerator(rescale = 1/255.0)
validation_generator = validation_datagen.flow_from_directory(FolderPath,
                                                              batch_size=batch_size,
                                                              class_mode='categorical',
                                                              target_size=(img_height, img_width)
                                                             )

验证修复结果 #

运行训练前先打印验证集样本数，确认加载正常：

print("验证集样本数：", validation_generator.samples)

输出数值大于0即代表验证集配置正确，训练时会自动生成验证指标，所有回调都能正常执行。
（可选优化：新版本TensorFlow已经废弃fit_generator，直接使用model.fit即可，原生支持生成器输入）

内容的提问来源于stack exchange，提问作者xionxavier