Keras回调训练输出异常：未显示训练损失、精度等预期指标求助

看起来你遇到的核心问题是训练时看不到train loss、accuracy等指标，同时可能history.csv里也没记录这些数据对吧？我来帮你一步步排查解决：

1. 关键前提：模型编译时必须指定metrics参数 #

这是最容易忽略的点——如果你的模型在compile()阶段没有声明要跟踪的metrics，Keras既不会在训练时输出这些指标，也不会把它们存入history对象里。

举个例子，假设你做分类任务，编译时要加上metrics=['accuracy']：

model.compile(
    optimizer='adam',  # 替换成你实际使用的优化器
    loss='sparse_categorical_crossentropy',  # 替换成你的任务对应的损失函数
    metrics=['accuracy']  # 明确指定要跟踪的指标，比如accuracy、mae等
)

如果是多分类任务可能用categorical_crossentropy，但metrics的设置逻辑一致——你需要告诉Keras要记录哪些指标。

2. 确保model.fit的verbose参数设置正确 #

你当前的model.fit代码没有指定verbose参数，默认值是1（会输出进度条和每个epoch的指标），但如果之前不小心改成了0（静默模式），就不会有任何输出。

建议显式设置verbose=1（进度条模式）或者verbose=2（每个epoch输出一行简洁信息）：

history = model.fit(
    trainX, trainY,
    epochs=200,
    batch_size=100,
    validation_data=(testX, testY),
    callbacks=[checkpoint],
    verbose=1  # 显式设置，确保训练时输出指标
)

3. 验证history对象的内容 #

在保存CSV之前，可以先打印history里的指标键，确认Keras确实记录了你需要的数据：

history = model.fit(...)
print("当前记录的指标：", history.history.keys())
# 确认后再保存CSV
pandas.DataFrame(history.history).to_csv("history.csv")

如果输出里没有accuracy或者你需要的其他指标，那肯定是编译阶段没加对应的metrics，回到第一步修正即可。

4. 更省心的替代方案：用CSVLogger回调 #

其实Keras自带了CSVLogger回调，不需要手动用pandas处理history，它会自动在每个epoch结束后把指标写入CSV文件，同时不影响训练时的控制台输出：

from keras.callbacks import ModelCheckpoint, CSVLogger

# 初始化两个回调
checkpoint = ModelCheckpoint('main_model_weights_new.h5', monitor='val_loss', verbose=1, save_best_only=False, mode='auto', save_weights_only=True)
csv_logger = CSVLogger('history.csv', append=False, separator=',')  # append=False表示覆盖旧文件

# 训练时传入两个回调
model.fit(
    trainX, trainY,
    epochs=200,
    batch_size=100,
    validation_data=(testX, testY),
    callbacks=[checkpoint, csv_logger],
    verbose=1
)

按上面的步骤调整后，你应该就能在训练过程中看到train loss、train accuracy以及val_loss、val_accuracy等指标的实时输出，同时history.csv里也会完整记录这些数据。

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