Keras训练Unet绘图时出现val_loss、val_iou_score的KeyError报错

核心原因 #

val_loss、val_iou_score这类带val_前缀的指标，只会在model.fit()实际执行了验证步骤时才会写入history.history字典中，报错说明验证流程并未正常运行，没有生成对应的验证指标。

逐项排查步骤 #

• 第一步：核对验证步数参数
  打印val_steps_per_epoch的值，确认它大于0。很多时候是计算验证步数时用了验证集样本数 // batch_size，当验证集样本数小于batch_size时，整除结果会变成0，Keras遇到0的validation_steps会直接跳过验证流程。
  修复方案：验证步数改用向上取整计算，示例：

  import math
  val_steps_per_epoch = math.ceil(验证集样本数 / 验证batch_size)
  

• 第二步：验证验证集生成器可用性
  手动调用next(val_img_gen)，检查能否正常输出（图像数组、标签数组）的元组，如果生成器为空、报错或返回无效数据，验证步骤也会被跳过。
• 第三步：确认训练日志输出
  查看model.fit()运行时的控制台输出，每个epoch结束后是否有val_loss、val_iou_score的打印值，如果没有则说明验证步骤确实未执行。
• 第四步：核对history的实际键名
  如果确认验证步骤已执行仍报错，打印history.history的所有键确认实际命名，避免指标名拼写偏差：

  print(history.history.keys())
  

  部分版本的自定义指标可能存在命名规则差异，按打印出的实际键名取值即可。

临时兼容方案 #

如果只需先跑通绘图流程，可添加存在性判断避免报错，没有验证指标时仅绘制训练曲线：

loss = history.history['loss']
epochs = range(1, len(loss) + 1)
plt.plot(epochs, loss, 'y', label='Training loss')
# 仅存在验证损失时绘制
if 'val_loss' in history.history:
    val_loss = history.history['val_loss']
    plt.plot(epochs, val_loss, 'r', label='Validation loss')
plt.title('Training and validation loss')
plt.xlabel('Epochs')
plt.ylabel('Loss')
plt.legend()
plt.show()

acc = history.history['iou_score'] 
plt.plot(epochs, acc, 'y', label='Training IoU')
# 仅存在验证IoU时绘制
if 'val_iou_score' in history.history:
    val_acc = history.history['val_iou_score']
    plt.plot(epochs, val_acc, 'r', label='Validation IoU')
plt.title('Training and validation IoU')
plt.xlabel('Epochs')
plt.ylabel('IoU')
plt.legend()
plt.show()

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