使用自定义损失函数时Keras绘制Epoch MSE遇KeyError的解决方法

首先看你代码里的一个明显问题：你用model.compile(...)配置了损失和指标，但训练的是model3.fit(...)——这两个模型对象如果不是同一个实例的话，model3根本没设置metrics=['mse']，它的训练历史里自然不会有'mse'这个键，这大概率是报错的根源！

先修正这个笔误：确保你编译和训练的是同一个模型，比如把编译语句改成model3.compile(loss=new_loss2, metrics=['mse'], optimizer=opt)，或者统一模型变量名。

如果修正后还是出现这个错误，那就是Keras版本的指标键名差异导致的：在TensorFlow集成的Keras（也就是现在常用的tf.keras）中，当你指定metrics=['mse']时，训练历史里的键名其实是全称'mean_squared_error'，而不是简写的'mse'。旧版独立的Keras可能用'mse'作为键名，但新版TF-Keras会使用指标的标准名称。

你可以先打印训练历史的所有键，确认正确的名称：

print(hist.history.keys())

输出应该类似这样：

dict_keys(['loss', 'mean_squared_error', 'val_loss', 'val_mean_squared_error'])

接下来就可以用正确的键名绘制MSE曲线了，比如同时绘制训练集和验证集的MSE：

import matplotlib.pyplot as plt

# 绘制训练集MSE
plt.plot(hist.history['mean_squared_error'])
# 绘制验证集MSE（如果有验证集的话）
plt.plot(hist.history['val_mean_squared_error'])
plt.title('Model Mean Squared Error')
plt.ylabel('MSE')
plt.xlabel('Epoch')
plt.legend(['Train', 'Validation'], loc='upper right')
plt.show()

总结一下报错的两个核心原因：

• 编译和训练的模型对象不一致，导致指标未被配置
• TF-Keras中指标简写会被映射为全称键名，而非简写

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