我在尝试使用 TensorFlow 的 ModelCheckpoint 回调在 Kaggle 笔记本中训练 Keras 模型时遇到问题。这是我的设置和我遇到的错误：设置：我正在构建 Keras...
我在尝试使用 TensorFlow 的 ModelCheckpoint 回调在 Kaggle 笔记本中训练 Keras 模型时遇到问题。以下是我的设置和我遇到的错误：
设置：
我正在使用 TensorFlow 构建用于多标签分类的 Keras 模型。以下是我的代码的相关部分：
from keras.models import Sequential
from keras.layers import Dense, Dropout, LSTM, BatchNormalization
from keras.callbacks import TensorBoard
from keras.callbacks import ModelCheckpoint
from keras.optimizers import AdamW
epochs = 4
loss = tf.keras.losses.BinaryCrossentropy(from_logits=False)
classifier_model.compile(optimizer='adam',
loss=loss,
metrics = 'roc-auc')
print(f'Training model with {tfhub_handle_encoder}')
checkpoint_filepath = '/kaggle/working/tmp_weights.h5'
model_checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(
filepath=checkpoint_filepath,
save_weights_only=True,
monitor='val_loss',
mode='min',
save_best_only=True)
history = classifier_model.fit(x=train_ds,
validation_data=val_ds,
epochs=epochs,
callbacks = [model_checkpoint_callback])
错误：
运行训练脚本后，我遇到以下错误：
ValueError: Unexpected result of `train_function` (Empty logs). This could be due to issues in input pipeline that resulted in an empty dataset. Otherwise, please use `Model.compile(..., run_eagerly=True)`, or `tf.config.run_functions_eagerly(True)` for more information of where went wrong, or file a issue/bug to `tf.keras`.
附加背景信息：
-
我正在使用 TensorFlow Hub 编码器（
tfhub_handle_encoder ）进行文本嵌入。
-
train_ds 和 val_ds 分别是包含我的训练和验证数据的对象，它们具有以下格式： <_TakeDataset element_spec=(TensorSpec(shape=(None,), dtype=tf.string, name=None), TensorSpec(shape=(None, 6), dtype=tf.int64, name=None))>
-
我已经验证了我的数据加载和预处理步骤是正确的，并且
train_ds 和 val_ds 不为空。
要求：
如果您能提供任何关于如何解决 Kaggle 上 Keras 训练脚本中的 ModelCheckpoint 回调问题的建议或见解，我将不胜感激。谢谢！
