Tensorflow 2.0 Keras 即使有验证数据也不会保存最佳模型，仍然给我：Can save best model only with val_acc available, skipping
Tensorflow 2.0 Keras won't save best model even with validation data, still gives me: Can save best model only with val_acc available, skipping
我在训练期间通过 fit 函数提供训练和验证数据作为数据集迭代器。我想通过验证数据集的准确性来保存最佳模型。但是，在每个时期的训练期间，我都会收到类似 Can save best model only with val_acc, skipping.
的警告
我使用 metrics = ['accuracy'] 编译模型，在回调中声明 monitor='val_acc'，并提供验证数据作为数据集迭代器，如 fit 中的 validation_data=my_val_dataset。我还缺少什么？
如果有任何帮助，我将不胜感激。
我的 Jupyter notebook 在 my GitHub repo。
确保 val_acc 存在于日志中。
通过简短的培训获取历史记录：
histCallback = model.fit(smallBatch_X, smallBatch_Y, epochs = 1)
检查里面有什么：
for key in histCallback.history:
print(key)
也许您会找到 val_accuracy。或者，也许您有多个输出并且会找到 val_output_2_acc 或类似样式的东西。
我在训练期间通过 fit 函数提供训练和验证数据作为数据集迭代器。我想通过验证数据集的准确性来保存最佳模型。但是，在每个时期的训练期间，我都会收到类似 Can save best model only with val_acc, skipping.
我使用 metrics = ['accuracy'] 编译模型，在回调中声明 monitor='val_acc'，并提供验证数据作为数据集迭代器，如 fit 中的 validation_data=my_val_dataset。我还缺少什么？
如果有任何帮助，我将不胜感激。
我的 Jupyter notebook 在 my GitHub repo。
确保 val_acc 存在于日志中。
通过简短的培训获取历史记录：
histCallback = model.fit(smallBatch_X, smallBatch_Y, epochs = 1)
检查里面有什么：
for key in histCallback.history:
print(key)
也许您会找到 val_accuracy。或者，也许您有多个输出并且会找到 val_output_2_acc 或类似样式的东西。