为什么我的模型在 Google Colab 上训练时总是在 Keras Tensorflow 中返回 0 val loss？答案

【问题标题】：Why my model always return 0 val loss in Keras Tensorflow when trained on Google Colab?为什么我的模型在 Google Colab 上训练时总是在 Keras Tensorflow 中返回 0 val loss？
【发布时间】：2020-06-17 20:36:21
【问题描述】：

我正在尝试在 Colab 上训练一个简单的模型，但在使用我自己的代码 by!python train.py 时，它总是返回 0 验证损失。但是，这段代码在我自己的计算机上运行得很好。有谁知道原因吗？

Epoch 1/500
2020-06-17 19:53:31.689547: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library libcublas.so.10
2020-06-17 19:53:31.889892: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library libcudnn.so.7
47/47 - 7s - loss: 52.6930 - mse: 2876.5457 - mae: 52.5915 - val_loss: 0.1029 - val_mse: 0.0000e+00 - val_mae: 0.0000e+00

训练代码：

    def build_model(self):
        new_model = self.base_model

        opt = Adam(lr=self.lr)
        new_model.compile(loss='mae',
                          optimizer=opt,
                          metrics=['mse', 'mae'])

        return new_model

    def train(self, base_epochs=500,
              save_model=False, save_path=None, cal_time=True):
        model = self.build_model()

        early_stopping = EarlyStopping(monitor='val_loss',
                                       patience=50,
                                       mode='min')
        save_best = ModelCheckpoint(filepath=save_file,
                                    monitor='val_loss',
                                    save_best_only=True,
                                    mode='min')
        cp_callback = [early_stopping, save_best]

        history = model.fit(
            x=self.standardize(self.train_data),
            y=self.train_labels,
            batch_size=self.batch_size,
            epochs=base_epochs,
            verbose=2,
            callbacks=cp_callback,
            validation_data=[self.standardize(self.val_data), self.val_labels],
        )
        return history

我还写了代码来检查图像数据。

    def check_data(self):
        data_name = ['Train Data', 'Train Labels', 'Validation Data', 'Validation Labels']
        for i, data in enumerate([self.train_data, self.train_labels, self.val_data, self.val_labels]):
            print('{0:<20}:  shape-{1:<20} type--{2}' \
                  .format(data_name[i], str(data.shape), data.dtype))

这里是关于数据的信息，它们都是 numpy 数组：

Train Data          :  shape-(3000, 224, 224, 1)  type--float32
Train Labels        :  shape-(3000, 2)            type--float64
Validation Data     :  shape-(200, 224, 224, 1)   type--float32
Validation Labels   :  shape-(200, 2)             type--float64

【问题讨论】：

不识别验证数据是什么意思？你有什么证据？
@Dr.Snoopy val_loss: 0.1029 - val_mse: 0.0000e+00 - val_mae: 0.0000e+00，所有这些 val 指标在每个时期都是 0。但是，如果我在自己的笔记本电脑上运行它，这些指标会以合理的值显示。
这并不意味着“无法识别您的验证数据”，可能是您的代码生成了错误的验证数据，有太多事情可能会失败，所以您应该编辑您的问题并包括一些相关代码，我们只能用 fit 调用不能说太多
@Dr.Snoopy 抱歉我的疏忽和不恰当的问题描述。我已经编辑了问题并添加了有关数据的更多信息。你能看一下吗？

标签： python tensorflow keras google-colaboratory tf.keras

【解决方案1】：

好的，我终于找到问题了：

我正在传递一个列表给validation_data=，根据官网应该是一个元组。

应该是：

history = model.fit(
    x=self.standardize(self.train_data),
    y=self.train_labels,
    batch_size=self.batch_size,
    epochs=base_epochs,
    verbose=2,
    callbacks=cp_callback,
    validation_data=(self.standardize(self.val_data), self.val_labels),
)

【讨论】：