我正在使用tensorflow 2.0在tf.keras中训练模型。 我的模型似乎可以成功训练，但是没有遍历整个数据集。我将代码重构为tensorflow 1.15，在tensorflow 1.x中没有这个问题。我正在关注this tutorial，用于多输入系列。以下是更多详细信息：
我有一个时间序列数据集。它很小，因此我可以将其加载到内存中，因此不需要数据集API。我正在打开时间序列窗口以产生两个数组X和Y，例如
X=[
[[1,2,3],[4,5,6], [7,8,9]],
[[4,5,6],[7,8,9], [10,11,12]],
[[7,8,9],[10,11,12],[13,14,15]],
...
]
Y = [
[4],
[7],
[10],
...
]
（是的，我意识到我可以很容易地只包含其中一个功能并制作X=[[[1,2,3]], [[4,5,6]], [[7,8,9]], ...]，但是我将包含许多功能，这些功能在管道正常工作时并不能完美同步。而且，即使当我仅包含第一个功能，我仍然看到我描述的问题。）
然后，我建立我的模型：
model = Sequential()
model.add(LSTM(50, activation='relu', input_shape=(n_steps, n_features)))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')
然后我训练它：
model.fit([X],[Y],num_epochs=300,validation_split=0.2)
它正确报告训练和验证样本的数量，然后弹出进度条...但这就是成功的地方。对于每个时期，val_loss和val_mean_squared_error始终为0，并且似乎永远不会训练我的数据集中的窗口的一部分（〜1/1000）以上。这是打印输出：
Epoch X/300 192/162636 [..............................] - ETA: 45:42 - loss: 0.4783 - mean_squared_error: 0.4783 - val_loss: 0.0000e+00 - val_mean_squared_error: 0.0000e+00
当我在tf 1.15中执行相同的代码时，它会按我的预期执行-历时大约需要45分钟（在tf 2.0中，它们花费的时间少于3秒），而tf 1.15报告了合法的val_loss和val_mean_squared_error。我无法弄清楚为什么该模型在tf 2.0中无法正确训练。这是我第一次在tf 2.0中编写代码，但并未从tf 1.13迁移，但是我从tf 1.13升级到tf 2.0的所有旧代码都没有错误地执行。我迁移的遗留代码都没有顺序模型。
没有报告的错误，警告或信息，它只是尽早停止遍历我的数据集。 有人对tensorflow 2.0中的tf.keras.Model.fit的更改有任何见解吗？还是我走的道路上有任何错误？任何见解将不胜感激。谢谢！
编辑11/25：
我已针对此错误here提交了GitHub问题。请查看该帖子以获取进度更新，并且在问题解决后，我会尽力记得更新此帖子。
您描述的行为可疑，听起来很像TF方面的错误。您可以尝试做的一件可能的事是在导入张量流后立即通过调用tf.compat.v1.enable_v2_behavior()在TF 1.15中启用TF2的行为。这会进行很多内部更改（老实说，我本人不知道exactly的作用，文档只说“它将TensorFlow 1.x和2.x之间不同的所有全局行为切换为（适用于2.x。”），这可以帮助您弄清错误的根源是在Tensorflow的实现中还是在您的代码中。
[我可能要做的另一项检查是确保您在各处使用tf.keras（即Tensorflow对Keras API的实现），而不是“独立的” Keras（您可以通过pip install keras安装的）。第一个是为与TF兼容而量身定制的，而第二个也许还不能完全容忍TF1和TF2之间的重大变化，尽管这纯粹是猜测。