相关疑难解决方法(0)

在Google Colab上训练Tensorflow模型时,有没有办法使用Tensorboard？

我正在使用 Keras（带有 TensorFlow 后端）来实现一个神经网络，并且只想保存在训练期间最大限度地减少验证集损失的模型。为此，我实例化了一个 ModelCheckpoint 并在调用模型的 fit 方法时传递它。但是，当我这样做时，我收到以下错误：“ AttributeError: 'ModelCheckpoint' object has no attribute '_implements_train_batch_hooks'”。我在网上找到的关于我的问题的最接近的事情是这篇文章有类似的错误，问题来自混合模块 fromkeras和tf.keras，但这不是我的情况，因为我的所有模块都是从keras. 我已经在网上和 Keras 文档中查找了一段时间，但找不到任何可以解释此错误的内容。以下是与问题最相关的代码部分：

导入模块：

from keras.models import Sequential
from keras.layers import Embedding, Conv1D, Dense, Dropout, GlobalMaxPool1D, Concatenate
from keras.callbacks import ModelCheckpoint

ModelCheckpoint 实例化、模型编译和调用 fit 方法：

checkpoint = ModelCheckpoint('../model_best.h5', monitor='val_loss', verbose=1, save_best_only=True, mode='min')

model.compile(loss='binary_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

history = model.fit(x_train, y_train, 
                    epochs = 10, batch_size = 64,
                    validation_data = (x_val, y_val),
                    callbacks = [checkpoint])

...这是完整的回溯：

Traceback …