Keras训练报错ValueError: No variables to save，求问题原因与解决方法

我之前踩过完全一样的坑！看你的报错堆栈就能直接定位问题——问题出在TensorBoard回调的embeddings_freq参数设置上。你把它写成了字符串'batch'，这是不符合参数要求的用法。

为什么会触发这个错误？ #

Keras的TensorBoard回调里，embeddings_freq要求传入整数，用来指定每隔多少个epoch保存一次嵌入向量数据。当你传入字符串'batch'时，回调内部的逻辑会混乱：它尝试创建TensorFlow的Saver对象来保存嵌入变量，但因为参数格式错误，找不到任何可被保存的有效变量，最终就抛出了No variables to save的异常。

怎么解决？ #

有两种处理方式，根据你的需求选：

• 如果需要记录嵌入数据：把embeddings_freq改成整数，比如1表示每个epoch都保存，5表示每5个epoch保存一次
• 如果不需要记录嵌入数据：直接删掉embeddings_freq参数就行，它的默认值是0，也就是不保存嵌入数据

修改后的代码示例 #

# 方案1：保留嵌入记录，修正参数为整数
tensorboard_callback = TensorBoard(log_dir=log_path, write_graph=True, embeddings_freq=1)
# 方案2：不需要嵌入记录的话，直接写成这样
# tensorboard_callback = TensorBoard(log_dir=log_path, write_graph=True)

es_min_valLoss = EarlyStopping(monitor='val_loss', patience=15, mode='min')
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
train_history=model.fit(x=trainData, y=trainLabels, validation_split=validation_split, 
                        epochs=epochs, batch_size=batch_size, verbose=2, 
                        callbacks=[tensorboard_callback, es_min_valLoss])

补充说明 #

如果你确实需要按批次来记录嵌入数据，Keras原生的TensorBoard回调是不支持这个功能的，你可能需要自己写一个自定义回调来实现，但绝大多数场景下，按epoch频率记录就足够满足需求了。

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