PyCharm中调试Keras/TensorFlow自定义指标函数断点失效如何解决

1. TensorFlow默认会将model.compile传入的自定义指标函数转为静态计算图执行，静态图模式下Python代码仅会被扫描一次生成TensorFlow内部可执行的算子流，后续model.fit运行时执行的是编译后的静态图，不是你写的原始Python代码，因此断点不会被触发。
2. 你之前设置run_eagerly = True未生效的核心原因是属性绑定错误：你给vgg_model开启了eager执行，但实际调用compile、fit的是另一个model实例，配置没有生效。
3. 你原本遇到的Tensor转换错误同样和静态图模式有关：tf.keras.backend.eval只能对eager模式下的tensor调用，静态图中的tensor没有实际数值，调用会直接报错。

• 首先修正eager执行配置，直接给实际训练的模型开启eager执行：
  可以直接在compile阶段配置：

  model.compile(loss="categorical_crossentropy", optimizer=opt, 
                metrics=[confusionMat,"accuracy"],
                run_eagerly=True)
  

  也可以在compile后单独设置model.run_eagerly = True，确保配置绑定到实际运行的模型实例上。修改后重新运行model.fit，你设置的PyCharm断点就能正常触发。
• 如果修改后断点仍然不生效，可以临时在需要调试的位置插入硬断点代码，强制触发调试：
  在你设置断点的multiConfusion调用行之前加入以下代码：

  import pdb; pdb.set_trace()
  

  运行到该行时会强制暂停进入调试状态，PyCharm会自动识别捕获pdb断点。
• 调试完成后建议优化指标实现：不要在指标函数中用tf.keras.backend.eval将tensor转成numpy处理，这类操作会严重拖慢训练速度，建议直接用TensorFlow原生算子实现混淆矩阵计算，全程在计算图内完成操作不需要脱离图转数值，适配静态图模式也能正常运行。

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