Keras-Tensorflow 2.0-Python中的回调异常

下面的代码在与Keras打包的MNIST数据上运行一个顺序Keras模型，非常直接

在运行下面的代码时，我遇到了一个异常

代码易于复制

import tensorflow as tf

class myCallback(tf.keras.callbacks.Callback):
      def on_epoch_end(self, epoch, logs={}):
        if(logs.get('acc')>0.99):
          print("\nReached 99% accuracy so cancelling training!")
          self.model.stop_training = True

mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

callbacks = myCallback()

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=10, callbacks=[callbacks])

例外情况是：

Epoch 1/10
59296/60000 [============================>.] - ETA: 0s - loss: 0.2005 - accuracy: 0.9400

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-26-f5e673b24d24> in <module>()
     23               metrics=['accuracy'])
     24 
---> 25 model.fit(x_train, y_train, epochs=10, callbacks=[callbacks])

C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\lib\site-packages\tensorflow\python\keras\engine\training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, validation_freq, max_queue_size, workers, use_multiprocessing, **kwargs)
    871           validation_steps=validation_steps,
    872           validation_freq=validation_freq,
--> 873           steps_name='steps_per_epoch')
    874 
    875   def evaluate(self,

C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\lib\site-packages\tensorflow\python\keras\engine\training_arrays.py in model_iteration(model, inputs, targets, sample_weights, batch_size, epochs, verbose, callbacks, val_inputs, val_targets, val_sample_weights, shuffle, initial_epoch, steps_per_epoch, validation_steps, validation_freq, mode, validation_in_fit, prepared_feed_values_from_dataset, steps_name, **kwargs)
    406     if mode == ModeKeys.TRAIN:
    407       # Epochs only apply to `fit`.
--> 408       callbacks.on_epoch_end(epoch, epoch_logs)
    409     progbar.on_epoch_end(epoch, epoch_logs)
    410 

C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\lib\site-packages\tensorflow\python\keras\callbacks.py in on_epoch_end(self, epoch, logs)
    288     logs = logs or {}
    289     for callback in self.callbacks:
--> 290       callback.on_epoch_end(epoch, logs)
    291 
    292   def on_train_batch_begin(self, batch, logs=None):

<ipython-input-26-f5e673b24d24> in on_epoch_end(self, epoch, logs)
      3 class myCallback(tf.keras.callbacks.Callback):
      4       def on_epoch_end(self, epoch, logs={}):
----> 5         if(logs.get('acc')>0.99):
      6           print("\nReached 99% accuracy so cancelling training!")
      7           self.model.stop_training = True

TypeError: '>' not supported between instances of 'NoneType' and 'float'

1/10纪元
59296/60000[======================>.]-预计到达时间：0s-损失：0.2005-准确度：0.9400
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
23指标=[‘准确度’]）
24
--->25 model.fit（x_-train，y_-train，epochs=10，callbacks=[callbacks]）
C:\Program Files（x86）\Microsoft Visual Studio\Shared\Anaconda3\u 64\lib\site packages\tensorflow\python\keras\engine\training.py（self、x、y、批处理大小、历元、冗余、回调、验证拆分、验证数据、随机、类权重、样本权重、初始历元、每个历元的步骤、验证步骤、验证频率、最大队列大小、工人、使用多处理、**kwargs）
871验证步骤=验证步骤，
872验证频率=验证频率，
-->873个步骤（名称=“每个时代的步骤”）
874
875 def评估（自我，
C:\Program Files（x86）\Microsoft Visual Studio\Shared\Anaconda3\u 64\lib\site packages\tensorflow\python\keras\engine\training\u arrays.py在model\u迭代中（模型、输入、目标、样本权重、批量大小、年代、详细程度、回调、val_输入、val_目标、val_样本权重、无序、初始历元、每历元步长、验证步骤、验证频率、模式、验证拟合、从数据集准备的反馈值、步骤名称、**kwargs）
406如果模式==ModeKeys.TRAIN：
407时代只适用于“适合”。
-->408回调。在epoch\u结束时（epoch，epoch\u日志）
409程序条。在划时代结束时（划时代，划时代日志）
410
C:\Program Files（x86）\Microsoft Visual Studio\Shared\Anaconda3\u 64\lib\site packages\tensorflow\python\keras\callbacks.py在\u epoch\u端（self、epoch、logs）
288日志=日志或{}
289对于self.callbacks中的回调：
-->290回调。在第二个历元结束时（历元，日志）
291
292列上的def批次开始（自身、批次、日志=无）：
in on_epoch_end（self、epoch、logs）
3类myCallback（tf.keras.callbacks.Callback）：
4个def在_epoch_end上（self、epoch、logs={}）：
---->5如果（logs.get（'acc'）>0.99）：
6打印（“\n已达到99%的准确率，因此取消培训！”）
7 self.model.stop_training=True
TypeError:“NoneType”和“float”实例之间不支持“>”

我认为它可能来自您调用函数的方式：

如果你的功能是

class myCallback(tf.keras.callbacks.Callback):
...

应该这样称呼：

model.fit(x_train, y_train, epochs=10, callbacks=[myCallback()])

---

问题是

logs.get（'acc'）>0.99

。在您这边

logs.get（'acc'）

由于某种原因是

None

只需执行：

None>0.99

您将得到相同的错误。您可能从Python 2迁移了您的代码，而这实际上是可行的：）

你可以简单地用

if(logs.get('acc') is None): # in this case you cannot compare...

或者您可以使用

try

：…

，除了
：块之外

顺便说一句，同样的代码在我这方面工作得很好。
在model.compile函数中，您定义了度量=['accurity']。您需要在logs.get即logs.get（'accurity'）中使用'accurity'.
只是随着tensorflow升级到2.x版，字典标签“acc”已更改为“Accurance”，因此按如下方式替换第5行就可以了

如果（logs.get（'accurity'）>0.99）：
只需更改logs.get（'accurity'）-->logs.get（'acc'）。它应该工作得很好！
出于某种原因，我在回调类中使用了
['acc']
，在度量中使用
['accurity']
，它工作得很好

我也遇到了同样的问题。我把它改成了“acc”，效果很好。我做了以下更改

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['acc'])

在回调中

class myCallback(tf.keras.callbacks.Callback):
    def on_epoch_end(self, epoch, logs={}):
        if(logs.get("acc") >= 0.99):
            print("Reached 99% accuracy so cancelling training!")
            self.model.stop_training = True

在Jupyter笔记本中，我不得不使用“acc”，但在google Colab中，我想这取决于安装的tensorflow版本。
可能您使用的是tensorflow 1.，因此您可以尝试：
if（logs.get（'acc'）>0.998）
和
metrics=['acc']
您是否尝试过
if（logs.get（'accurity'）>0.99）：
在创建回调时，如果我们需要培训的准确度阈值，以前的TF版本有logs.get（'acc'），但在这个版本中我们需要使用logs.get（'accurity'））为了让它工作。没有任何关于此更改的文档。错误是因为
日志。get（'acc'）
必须与
model.compile中的度量值匹配（optimizer='adam'，loss='sparse\u Category\u crossentropy'，metrics=['Accurance']）
这里也一样，不知道为什么会这样，但这个解决方案对我来说很有效。也许Colab中安装的版本与笔记本不同。