TensorFlow验证指标不显示：与训练指标重名问题排查

使用model.compile(metrics=[MyMetric])配置模型后，每个epoch结束仅能看到loss、val_loss和my_metric，但看不到val_my_metric。

调试TensorFlow代码后发现：trainer.py中的fit()逻辑正常，但在CallbackList.on_epoch_end中，通过python_utils.pythonify_logs(logs)扁平化字典时，compile_metrics和val_compile_metrics的键被存储为同一名称，导致验证阶段的指标被训练阶段的指标覆盖。

注：未修改Trainer逻辑，仅按官方文档子类化了train和test_step，代码如下：

def update_metrics(self, loss, f1, f2):
    # From Cholet's Keras docs:
    for metric in self.metrics:
        if metric.name == "loss":
            metric.update_state(loss)
        else:
            metric.update_state(f1, f2)

def test_step(self, data):
    """
    
    Args:
        data (tf.Tensor): Input batch of shape [B, 2, H, W, C]
        
    Returns:
        dict: Dictionary containing the loss
    """
    f1, f2, p1, p2, z1, z2 = self(data, training=False)
    loss = self.compute_loss(p1, p2, z1, z2)
    
    self.update_metrics(loss, f1, f2)

    # Return metrics
    return {m.name: m.result() for m in self.metrics}

代码存在两个核心问题：

1. test_step返回的指标名称与训练阶段完全一致，导致Keras合并日志时，验证阶段的指标被训练阶段的同名指标覆盖。
2. 使用self.metrics更新指标时，训练和验证阶段共用同一批指标实例，没有区分训练/验证专用的指标集合，导致Keras无法自动生成val_前缀的指标键。

方案1：手动给验证指标添加val_前缀 #

修改test_step的返回逻辑，给除loss外的指标手动加上val_前缀，避免键冲突：

def test_step(self, data):
    f1, f2, p1, p2, z1, z2 = self(data, training=False)
    loss = self.compute_loss(p1, p2, z1, z2)
    
    self.update_metrics(loss, f1, f2)

    # 生成带val_前缀的验证指标字典
    val_metrics = {}
    for m in self.metrics:
        if m.name == "loss":
            val_metrics["loss"] = m.result()
        else:
            val_metrics[f"val_{m.name}"] = m.result()
    return val_metrics

方案2：使用Keras内置的compiled_metrics区分训练/验证指标 #

Keras编译时会自动为训练和验证阶段创建独立的指标实例，存储在self.compiled_metrics中。修改代码使用这个集合来更新和返回指标：

def update_metrics(self, loss, f1, f2):
    # 更新损失（Keras会自动处理val_loss）
    self.compiled_loss.update_state(loss)
    # 更新编译时指定的验证指标
    for metric in self.compiled_metrics:
        metric.update_state(f1, f2)

def test_step(self, data):
    f1, f2, p1, p2, z1, z2 = self(data, training=False)
    loss = self.compute_loss(p1, p2, z1, z2)
    
    self.update_metrics(loss, f1, f2)

    # 返回损失和编译后的验证指标（Keras会自动添加val_前缀）
    return {"loss": loss} | {m.name: m.result() for m in self.compiled_metrics}

内容的提问来源于stack exchange，提问作者Adam