CNN模型训练后绘制model_history报All arrays must be of the same length如何解决

该报错的核心触发点是model.fit()中传入的steps_per_epoch为浮点数62.5：老版本Keras/TensorFlow遇到非整数步数参数时，会出现训练集指标、验证集指标的记录长度不一致问题，最终history.history字典中不同key对应的数组长度不同，Pandas构造DataFrame时就会抛出“所有数组长度必须一致”的错误。
除此之外如果validation_steps设置的数值大于验证集生成器实际能输出的batch总数，也会导致验证指标记录中断、长度短于训练指标，触发同样报错。

• 首先将steps_per_epoch改为整数：可根据训练集总样本数除以batch_size的结果取整，比如总训练样本为2000、batch_size为32时，可填62或63，禁止传入浮点数。
• 其次校验validation_steps取值：根据验证集总样本数除以batch_size的结果取整，不要超过验证集实际可生成的batch数量，避免验证指标记录缺失。
• 若使用TensorFlow 2.x版本，可直接删除steps_per_epoch和validation_steps参数，框架会自动根据生成器的样本总数计算所需步数，无需手动指定，降低出错概率。

修改后的训练代码参考：

# 手动指定正确整数参数的写法（根据你的实际数据集大小调整数值）
history = model.fit(
      train_generator,
      steps_per_epoch=63,
      epochs=100,
      validation_data=validation_generator,
      validation_steps=32
)

# TensorFlow 2.x 自动计算步数的简化写法
history = model.fit(
      train_generator,
      epochs=100,
      validation_data=validation_generator
)

如果修改后依然报错，可先执行以下代码排查各指标的长度差异：

for metric_name, metric_array in history.history.items():
    print(f"指标{metric_name}的长度：{len(metric_array)}")

内容的提问来源于stack exchange，提问作者Rajanika Debnath