当我调用model.fit_generator()来训练我的模型时，输出中显示了训练进度，正如预期的那样。然而，它在达到最大值之前少了一步，然后就转到验证阶段。验证阶段显示的进度条与训练阶段相同，尽管验证步骤完全不同（大约70,000个训练步骤/8,000个验证步骤）。验证进度条在达到8,000步时停止，例如：

75999/76000 [===========================>..] - ETA: 0s - loss: 0.4556 - acc: 0.840Epoch 1/5008200/76000 [====>........................] - ETA: 0s - loss: 0.9822 - acc: 0.7564

第一行是训练，第二行是验证。

当我手动更改步骤，使训练步骤少于验证步骤时，我得到了以下输出：

19/20 [===========================>..] - ETA: 0s - loss: 0.4558 - acc: 0.8980Epoch 1/50019/20 [===========================>..] - ETA: 0s - loss: 0.8200 - acc: 0.7730

它在这个输出上暂停，而其余的验证步骤继续进行。其余验证步骤的输出并未在进度条中显示。

当验证步骤和训练步骤由我的生成器生成，或如上所述手动设置时，都会出现这个错误，所以我认为问题不在于我的生成器。我的fit_generator()调用如下（使用.fit()时也相同）：

model.fit_generator(                                train_generator,                                steps_per_epoch=train_steps,                                epochs=epochs,                                validation_data=val_generator,                                validation_steps=val_steps,                                verbose=1,                                callbacks=[weight_saving_callback,early_stopping],                                max_queue_size=40,                                workers=1,                                use_multiprocessing=False,                                #train_class_weight=None, #因为我们不使用目标类别                                #val_class_weight=None, #因为我们不使用目标类别                                validation_freq=1)

有谁能看出这个错误在哪里吗？我认为这不会影响训练过程，只是输出的问题 – 但我找不出问题出在哪里。使用的是TensorFlow 2.1和Keras 2.3.1。

简单来说：为什么验证进度条不显示正确的验证步骤数？

回答：

我的经验是，如果你试图在epoch结束时打印出自己的信息，会弄乱TensorFlow的输出。我最终采取的做法是，为我想打印出的项目创建类变量，并将它们传递给on_epoch_begin函数，然后在那里打印信息。这似乎不会弄乱epoch结束时TensorFlow的输出。