【问题标题】：TypeError: '>' not supported between instances of 'NoneType' and 'float'TypeError：“NoneType”和“float”的实例之间不支持“>”
【发布时间】：2020-05-05 05:48:29
【问题描述】：

我有这段代码，它在 python 3 中引发错误，这样的比较可以在 python 2 上工作怎么改？

import tensorflow as tf 
def train_set():
    class MyCallBacks(tf.keras.callbacks.Callback):
        def on_epoch_end(self,epoch,logs={}):
            if(logs.get('acc')>0.95):
                print('the training will stop !')
                self.model.stop_training=True
    callbacks=MyCallBacks()
    mnist_dataset=tf.keras.datasets.mnist 
    (x_train,y_train),(x_test,y_test)=mnist_dataset.load_data()
    x_train=x_train/255.0
    x_test=x_test/255.0
    classifier=tf.keras.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)
                                    ])
    classifier.compile(
                        optimizer='sgd',
                        loss='sparse_categorical_crossentropy',
                        metrics=['accuracy']
                       )    
    history=classifier.fit(x_train,y_train,epochs=20,callbacks=[callbacks])
    return history.epoch,history.history['acc'][-1]
train_set()

【问题讨论】：

请分享整个错误信息。您从该消息中了解到什么？

标签： python tensorflow machine-learning keras typeerror

【解决方案1】：

张量流 2.0

DESIRED_ACCURACY = 0.979

class myCallback(tf.keras.callbacks.Callback):
    def on_epoch_end(self, epochs, logs={}) :
        if(logs.get('acc') is not None and logs.get('acc') >= DESIRED_ACCURACY) :
            print('\nReached 99.9% accuracy so cancelling training!')
            self.model.stop_training = True

callbacks = myCallback()

【讨论】：

【解决方案2】：

看来您的错误类似于Exception with Callback in Keras - Tensorflow 2.0 - Python 尝试用logs.get('accuracy')替换logs.get('acc')

【讨论】：

【解决方案3】：

它在 Python2 中有效，因为在 Python2 中您可以将 None 与 float 进行比较，但这在 Python3 中是不可能的。

这一行

logs.get('acc')

返回None，这就是你的问题。

快速解决方案是将条件替换为

if logs.get('acc') is not None and logs.get('acc') > 0.95:

如果logs.get('acc') 是None，则上述条件将被短路，第二部分logs.get('acc') > 0.95 将不会被评估，因此不会导致上述错误。

【讨论】：

【解决方案4】：

在你的回调中试试这个：

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

它给了我这个 --- {'loss': 0.18487292938232422, 'acc': 0.94411665} ---

我有acc，所以我使用了，如果有accuracy，我会使用accuracy。所以记录和你有什么然后使用它。

TF一直在经历大的变化，所以可以放心，非常安全。

【讨论】：

【解决方案5】：

使用“acc”而不是“accuracy”，您无需更改。

【讨论】：

这个确切的答案已经添加到这个问题中。你的回答增加了什么？

【解决方案6】：

我们与 Coursera 课程在同一条船上

所以，这是我的代码

# GRADED FUNCTION: train_mnist
def train_mnist():
    # Please write your code only where you are indicated.
    # please do not remove # model fitting inline comments.

    # YOUR CODE SHOULD START HERE
    class myCallback(tf.keras.callbacks.Callback):
        def on_epoch_end(self, epoch, logs={}):
            if (logs.get('acc') > 0.99):
                print("\n Reached 99% Accuracy!")
                self.model.stop_training = True

    # YOUR CODE SHOULD END HERE

    mnist = tf.keras.datasets.mnist

    (x_train, y_train),(x_test, y_test) = mnist.load_data(path=path)
    # YOUR CODE SHOULD START HERE
    x_train = x_train/255.0
    x_test = x_test/255.0
    
    callbacks = myCallback()

    # YOUR CODE SHOULD END HERE
    model = tf.keras.models.Sequential([
        # YOUR CODE SHOULD START HERE
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(128, 'relu'),
        tf.keras.layers.Dense(10, 'softmax')
    
        # YOUR CODE SHOULD END HERE
    ])

    model.compile(optimizer='adam',
                  loss='sparse_categorical_crossentropy',
                  metrics=['accuracy'])
    
    # model fitting
    history = model.fit(x_train, y_train, epochs=10, callbacks=[callbacks]# YOUR CODE SHOULD START HERE
              # YOUR CODE SHOULD END HERE
    )
    # model fitting
    return history.epoch, history.history['acc'][-1]

希望对您有所帮助！继续学习

【讨论】：

【解决方案7】：

尝试使用 try-except

class myCallback(tf.keras.callbacks.Callback):
  def on_epoch_end(self, epoch, logs = {}):
    try:
      if(logs.get('acc')>0.95):
        print("\nReached")
        self.model.stop_training = True
    except:
      if(logs.get('accuracy')>0.95):
        print("Reached!!!")
        self.model.stop_training = True

【讨论】：

【解决方案8】：

请首先检查您的行以查看存储的准确性，然后在需要在纪元结束时进行比较时可以正确查找。

return history.epoch, history.history['acc'][-1]

这里它被称为“acc”，但正如其他人所指出的那样，它可能是“accuracy”

【讨论】：

【解决方案9】：

在这种特殊情况下不要使用accuracy，而是使用acc，因为logs.get() 不适用于accuracy，但通常两者都适用于TF 中的常见回调块。如果有人在学习 Coursera 课程时正在寻找这个问题，这是解决这个问题的最简单的答案。

【讨论】：

【解决方案10】：

我遇到了同样的问题，我没有使用“acc”，而是在所有地方都将其更改为“accacy”。因此，似乎最好尝试将“acc”更改为“accuracy”。

【讨论】：